摘要:
在win下配置opencv3.0.0还是比较简单的,这里简单说一下配置过程:参考链接:http://blog.csdn.net/u010009145/article/details/50756751 整个配置过程基本按照链接中的步骤来的,唯一要注意的是:在编辑好属性文件后,以后再写其他工程时,只要将 阅读全文
摘要:
由于Python的灵活性,我们在caffe中添加自己定义的层时使用python层会更加方便,开发速速也会比C++更快,现在我就在这儿简单说一下如何在caffe中添加自定义的python层(使用的原网络结构时Lenet结构): 首先在caffe->python文件夹中添加自己定义的层函数.py文件,比 阅读全文
该文被密码保护。 阅读全文
摘要:
上一篇我们说完了AnchorTargetLayer层,然后我将Faster rcnn中的其他层看了,这里把ROIPoolingLayer层说一下; 我先说一下它的实现原理:RPN生成的roi区域大小是对应与输入图像大小(而且每一个roi大小都不同,因为先是禅城九种anchors,又经过回归,所以大小 阅读全文
摘要:
转载链接:http://withwsf.github.io/2016/04/14/Caffe-with-Python-Layer/ Caffe通过Boost中的Boost.Python模块来支持使用Python定义Layer: 使用C++增加新的Layer繁琐、耗时而且很容易出错 开发速度与执行速度 阅读全文
摘要:
紧接着之前的博客,我们继续来看faster rcnn中的AnchorTargetLayer层: 该层定义在lib>rpn>中,见该层定义: 首先说一下这一层的目的是输出在特征图上所有点的anchors(经过二分类和回归); (1)输入blob:bottom[0]储存特征图信息,bottom[1]储存 阅读全文
摘要:
接着上篇的博客,咱们继续看一下Faster RCNN的代码~ 上次大致讲完了Faster rcnn在训练时是如何获取imdb和roidb文件的,主要都在train_rpn()的get_roidb()函数中,train_rpn()函数后面的部分基本没什么需要讲的了,那我们再回到训练流程中来: 这一步训 阅读全文
摘要:
这段时间看了不少论文,回头看看,感觉还是有必要将Faster rcnn的源码理解一下,毕竟后来很多方法都和它有相近之处,同时理解该框架也有助于以后自己修改和编写自己的框架。好的开始吧~ 这里我们跟着Faster rcnn的训练流程来一步一步梳理,进入tools\train_faster_rcnn_a 阅读全文
摘要:
本文转载自:http://blog.csdn.net/shuzfan/article/details/50723877 本次所讲的内容为Batch Normalization,简称BN,来源于《Batch Normalization: Accelerating Deep Network Traini 阅读全文