深度学习
文章平均质量分 64
messiran10
这个作者很懒,什么都没留下…
展开
-
Caffe之mnist demo的配置和运行
在前期编译好Caffe之后,下一步就是要实际的跑一下demo。Caffe-windows版本里面是提供了多个CV领域的经典实例,我是先跑了一下mnist这个demo。下面具体的说一下。一.数据集的获取和处理Caffe需要leveldb格式的数据,因此需要先把从网上下的mnist数据集转换成leveldb格式。我的Caffe-windows版本里面是提供了转换好的level-db格式的数据集原创 2015-09-10 21:30:40 · 1585 阅读 · 0 评论 -
CNN for Visual Recognition 学习笔记
之前是跟着博客学习CNN的基础知识,有点杂乱。现在跟着斯坦福的笔记教程 http://cs231n.github.io/convolutional-networks/ 系统性的回顾了一下CNN的知识,现在记录下学习笔记。说到CNN,最经典的结构当属LeNet5,现在就以下图为例来分析CNN的结构LeNet5的网络结构如下所示: Input–>Conv1–>Pool1–>Conv2–>Pool2–原创 2015-09-13 22:35:21 · 1253 阅读 · 0 评论 -
在Caffe上利用自己的数据集进行微调
参照http://blog.csdn.net/u012878523/article/details/41698209的说明,完成了在caffe上利用自己的数据集进行微调,现在将整个过程记录如下。一.准备数据集 1.准备原始数据集 数据集中包括训练集和测试集。我是在caffe-windows主目录下新建了lp文件夹,里面有train和val两个文件夹。train里面又有pos_train和原创 2015-10-16 22:16:38 · 5508 阅读 · 0 评论 -
非最大抑制(Non-maximum suppression)
最近在一个项目,需要用到非极大值抑制,找了很长时间没有找到非极大值抑制在物体检测方面的的详细解释,最后只有翻阅相关的代码来理解。一、Nms主要目的 在物体检测非极大值抑制应用十分广泛,主要目的是为了消除多余的框,找到最佳的物体检测的位置。如上图中:虽然几个框都检测到了人脸,但是我不需要这么多的框,我需要找到一个最能表达人脸的框。下图汽车转载 2015-09-13 15:18:38 · 1696 阅读 · 0 评论 -
Windows下R-CNN 配置与demo运行
《Rich feature hierarchies for accurate object detection and semantic segmentation》是第一篇将深度CNN用于目标检测的文章,以后CNN应当会成为object detection领域的重要方法。在配置好caffe之后,先来跑一跑r-cnn的demo,之后会仔细研读这篇文章和做一些记录。一.R-CNN源码下载 文章里面给出原创 2015-09-13 23:05:49 · 3662 阅读 · 3 评论 -
Caffe matlab之基于Alex network的特征提取
R-CNN是第一篇成功得将CNN用于object detection并取得优异效果的文章,是学习CNN for object detection的必读文章。R-CNN中提到Alex network可以用作一个“黑匣子”来提取特征,CV中的很多问题都需要寻找特征,如果直接试试利用Alex network去做特征提取,往往也是大有裨益的。最近研读了一下R-CNN的源码,然后将其中基于Alex netwo原创 2015-10-14 22:01:12 · 5348 阅读 · 2 评论 -
Windows下编译Caffe并编译Matlab接口
一直嫌麻烦没去装caffe,近日抽时间装好了Caffe,并且编译好了C++,Matlab的接口,现在把安装过程记录如下:一,安装环境Win7 64位VS2012Matlab R2012bCUDA 6.5二.安装步骤1.Caffe 源程序由于我是在windows环境下安装Caffe,所以是无法直接用原版的Caffe的。我是从CSDN上下载了已经预装好诸多第三方库的一个原创 2015-09-07 16:51:20 · 2710 阅读 · 2 评论 -
【转载】在caffe上跑自己的数据
本文介绍如何使用caffe对自己的图像数据进行分类。1 图片数据库准备由于图片数据收集比较费时,为了简单说明,我用了两类,dog和bird,每种约300张。train200张,val100张。新建一个文件夹mine,放自己的数据,在mine文件夹下新建train和val文件夹,train文件夹下新建bird和dog两个文件夹分别存放200张bird和200张dog,val文转载 2015-10-15 22:02:40 · 822 阅读 · 0 评论 -
Caffe 用于解决预测(回归)问题
最近在做object detection相关的研究,需要基于Caffe来训练一个用于回归问题的CNN,我希望利用CNN来预测出图像中某个物体bounding box的坐标(x1,y1,width,height)。但是Caffe只提供了convert_image_set.cpp用于把分类用的数据集转换成leveldb/lmdb格式,label是0/1。但是对于我的回归问题而言,label实际上是4维原创 2016-01-10 21:04:06 · 6056 阅读 · 8 评论