- 博客(5)
- 收藏
- 关注
RSS订阅原创 Dtection：PVA-net
摘要：这是一个轻量级的detection模型，基于faster RCNN框架改进，主要重新设计了feature extraction部分（因为其他RPN分计算量不大、ROI classification部分的全连接层可以用svd方法改进），设计总体原则是“less channels with more layers”。
2017-06-24 11:30:51
790
转载 R-FCN resnet50 训练自己的数据
原文链接：http://blog.csdn.net/sinat_30071459/article/details/53202977说明：本文假设你已经做好数据集，格式和VOC2007一致，并且Linux系统已经配置好caffe所需环境（博客里教程很多），下面是训练的一些修改。py-R-FCN源码下载地址：https://github.com/
2017-06-22 14:22:40
5081
1
转载 faster rcnn配置问题
1、出现问题：训练faster rcnn时出现如下报错：File "/py-faster-rcnn/tools/../lib/datasets/imdb.py", line 108, in append_flipped_images assert (boxes[:, 2] >= boxes[:, 0]).all()AssertionError2、问题分析：检查自己数据发现，左
2017-06-22 11:05:11
649
原创 faster rcnn代码阅读
1.rpn-data layer主要作用是对每个anchor生成label，targets（gt_boxes坐标），bbox_inside_weights，bbox_outside_weights四个信息。这个层的输入有3个，（1）经过3*3加1*1卷积后的feature map（rpn_cls_score），没怎么用到只用了feature map的长宽信息；（2）gt_boxes里面存放
2017-06-21 17:27:30
1461
转载 五个案例，三大心得，深度学习的实践应用之路
原文链接：http://geek.csdn.net/news/detail/202622这篇文章对深度学习在工程级别应用上遇到的问题进行了很好地总结，并且提出一些有建设性的解决方案，很有实际意义。当我们需要用深度学习处理现实问题时，除了相关的技术和数据，你还需要掌握一系列的小诀窍，并将这些技巧用在级联模型、智能增强、合理的评价标准、建立可重用的训练管道、有效推断与减
2017-06-19 16:38:37
17215
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人