- 博客(24)
- 收藏
- 关注
转载 SSD框架训练自己的数据集
SSD demo中详细介绍了如何在VOC数据集上使用SSD进行物体检测的训练和验证。本文介绍如何使用SSD实现对自己数据集的训练和验证过程,内容包括:1 数据集的标注2 数据集的转换3 使用SSD如何训练4 使用SSD如何测试1 数据集的标注 数据的标注使用BBox-Label-Tool工具,该工具使用python实现,使用简单方便。修改后的工具支持多label的标签标注。该工具生成的标签格式
2016-11-26 19:08:03 31343 40
转载 【Caffe安装】caffe安装系列——史上最详细的安装步骤
说明网上关于caffe的安装教程非常多,但是关于每一步是否操作成功,出现了什么样的错误又该如何处理没有给出说明。因为大家的操作系统的环境千差万别,按照博客中的教程一步步的安装,最后可能失败——这是很常见的哦。有的教程甚至省略了一些细节部分,让小白更不知道如何判断每一步是否操作成功,如何处理出现的错误。作者花费了很长时间才成功地将caffe装完,期间遇到好多错误,多次重装操作系统。现在将经验
2016-11-21 15:10:37 12138 1
转载 SSD:Single Shot MultiBox Detector 配置问题一览
1.使用cuda8编译时出错:/usr/include/boost/property_tree/detail/json_parser_read.hpp:257:264: error: ‘type name’ declared as function returning an array方法:因为gcc版本太低了,升级到5.3即可解决[html] view pla
2016-11-21 14:29:28 1934 3
转载 GIT使用教程与基本原理
这个教程之前是发在社区网站上,现在把它转到自己博客上:)http://oss.lzu.edu.cn/artical.php?id=16说明:该教程全部图片都来自于《pro Git》。以下所有的操作,除非特别声明,都是基于Linux终端来进行的。如果你发现这篇文章有错误,或者其他问题,欢迎与我联系:wengpingbo@gmail.com1、什么是GITGit是一
2016-11-15 09:36:29 462
转载 ubuntu16.04+nvidia gt740m+cuda7.5+caffe安装、测试经历
首先说明,这是在笔记本上的安装测试经历,首先安装的win10,然后安装ubuntu16.04双系统,显卡为nvidia gt740m win10上没有装nvidia gt740m驱动,也就是用的集显,测试发现若装了nvidia gt740m驱动会无法进去ubuntu,重装无数次的经验废话不多说,上车吧,少年一、安装nvidia显卡驱动进入ubuntu系统设置
2016-11-12 21:29:10 5801 1
转载 相比于深度学习,传统的机器学习算法难道就此没落了吗,还有必要去学习吗?
自从 MIT Technology Review(麻省理工科技评论) 将 深度学习 列为 2013 年十大科技突破之首。加上今年 Google 的 AlphaGo 与 李世石九段 惊天动地的大战,AlphaGo 以绝对优势完胜李世石九段。人工智能、机器学习、深度学习、强化学习,成为了这几年计算机行业、互联网行业最火的技术名词。其中,深度学习在图像处理、语音识别领域掀起了前所未有的一场革
2016-11-12 17:23:30 3043 1
原创 机器学习算法MCMC(Markov Chain Monte Carlo) and Gibbs Sampling
1. 随机模拟随机模拟(或者统计模拟)方法有一个很酷的别名是蒙特卡罗方法(Monte Carlo Simulation)。这个方法的发展始于20世纪40年代,和原子弹制造的曼哈顿计划密切相关,当时的几个大牛,包括乌拉姆、冯.诺依曼、费米、费曼、Nicholas Metropolis, 在美国洛斯阿拉莫斯国家实验室研究裂变物质的中子连锁反应的时候,开始使用统计模拟的方法,并在最早的计算机
2016-11-12 17:20:49 6475
转载 You Only Look Once: Unified, Real-Time Object Detection(2)
Preface今天详细的看一下 CVPR 2016 年这篇:You Only Look Once: Unified, Real-Time Object Detection。另外,这篇的作者也有Ross B. Girshick。这篇 Paper 的项目主页在这里:http://pjreddie.com/darknet/yolo/注:这篇今年 CVPR 2016 年的检测文
2016-11-12 17:12:22 1320
转载 SSD: Signle Shot Detector 用于自然场景文字检测
前言之前我在 论文阅读:SSD: Single Shot MultiBox Detector 中,讲了这个最新的 Object Detection 算法。既然 SSD 是用来检测物体的,那么可不可以将 SSD 用来检测自然场景图像中的文字呢?答案肯定是可以的~同时,受到浙大 solace_hyh 同学的 ssd-plate_detection 工作,这篇文章记录我自己将
2016-11-12 17:10:40 2534 1
原创 SSD的配置及运行
SSD的安装在home目录下,获取SSD的代码,下载完成后有一个caffe文件夹 git clone https://github.com/weiliu89/caffe.git cd caffe git checkout ssd123进入下载好的caffe目录,复制配置文件 cd /home/usrname/caffe cp Makefile.conf
2016-11-12 09:55:25 10663 18
原创 目标检测总结(自己的一些见解)
目前object detection的工作可以粗略的分为两类:1:使用region proposal的,目前是主流,比如RCNN、SPP-Net、Fast-RCNN、Faster-RCNN以及MSRA最近的工作R-FCN。2:不使用region proposal的,YOLO,SSD。从我这个渣渣的视野来看,这些工作都体现的一个趋势:如何让不同ROI之间尽量多的共享计算量,并充分利用
2016-11-11 17:37:04 4528
原创 深度学习数据集汇总
1. CIFAR-10 & CIFAR-100 CIFAR-10包含10个类别,50,000个训练图像,彩色图像大小:32x32,10,000个测试图像。 (类别:airplane,automobile, bird, cat, deer, dog, frog, horse, ship, truck) (作者:Alex Krizhevsky, Vinod N
2016-11-08 16:40:15 3221
转载 常用图像数据集大全(分类,跟踪,分割,检测等)
常用图像数据集大全(分类,跟踪,分割,检测等)1.搜狗实验室数据集:http://www.sogou.com/labs/dl/p.html互联网图片库来自sogou图片搜索所索引的部分数据。其中收集了包括人物、动物、建筑、机械、风景、运动等类别,总数高达2,836,535张图片。对于每张图片,数据集中给出了图片的原图、缩略图、所在网页以及所在网页中的相关文本。200多G
2016-11-08 14:54:04 4369
原创 You Only Look Once(YOLO):Unified, Real-Time Object Detection
Reference link:http://blog.csdn.NET/tangwei2014这是继RCNN,fast-RCNN 和 faster-RCNN之后,rbg(Ross Girshick)大神挂名的又一大作,起了一个很娱乐化的名字:YOLO。 虽然目前版本还有一些硬伤,但是解决了目前基于DL检测中一个大痛点,就是速度问题。 其增强版本GPU中能跑45fps,简化版本1
2016-11-07 19:23:33 827
转载 yolo-darknet实现自己数据的train和test
有目共睹的是,yolo训练数据优点明显,训练检测速度超快,功能超强。因网上关于yolo训练自己数据的博客几乎没有,所以我就yolo训练自己数据做一具体操作流程,希望可以帮助大家,让大家对yolo不再陌生。若不能训练成功,请与我联系,邮箱:ahuljx@126.com注意:1、请根据我的博客将yolo安装和测试,博客地址:http://blog.csdn.net/samylee/article/
2016-11-07 19:17:58 4603 2
转载 CNN-目标检测、定位、分割
1. 基本概念 1)CNN:Convolutional Neural Networks 2)FC:Fully Connected 3)IoU:Intersection over Union (IoU的值定义:Region Proposal与Ground Truth的窗口的交集比并集的比值,如果IoU低于0.5,那么相当于目标还是没有检测到)
2016-11-06 19:58:54 17357
转载 目标检测论文回顾
看了一段时间的目标检测的论文,在这里写个文章总结一下吧。不一定理解正确,如有问题,欢迎指正。1、RCNNRCNN是基于selective search(SS) 搜索Region proposal(RP),然后对每个RP进行CNN的Inference,这个算法比较直接。 框架应该也挺容易看明白的。 SS对每幅图片提取大约2K个RP,然后对RP进行推理。2、SPP
2016-11-06 16:59:38 1941
转载 SSD:Single Shot MultiBox Detector的安装配置和运行
SSD(Single Shot MultiBox Detector)算是一个比较不错的目标检测算法,主攻方向是速度,当然精度也比Yolo提高了一些,最近在ubuntu16.04下实现了代码运行,此博文主要内容来自原作者的github,加上了一些个人理解,欢迎探讨。准备工作:Linux+cuda+caffe是标配,我就不详述了,推荐博客:ubuntu16.04+nvidia gt74
2016-11-06 16:49:56 6182 9
转载 论文阅读:SSD: Single Shot MultiBox Detector
Preface这是今年 ECCV 2016 的一篇文章,是 UNC Chapel Hill(北卡罗来纳大学教堂山分校) 的 Wei Liu 大神的新作,论文代码:https://github.com/weiliu89/caffe/tree/ssd 有几点更新: 1. 看到一篇 blog 对检测做了一个总结、收集,强烈推荐: Object Detectio
2016-11-06 16:48:58 1274
转载 SSD: Single Shot MultiBox Detector
本文算是 Faster R-CNN, YOLO 算法的改进版吧,它将检测和分类融合到一起去了,对每个可能的检测框赋予一个类别的概率。本文的速度到底有多快,也没说啊(网络论文第一版本没有说)SSD: Single Shot MultiBox Detector 之再阅读 http://blog.csdn.net/cv_family_z/article/details/5190732
2016-11-04 20:21:03 934
转载 Faster R-CNN 之再阅读
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks开源代码 https://github.com/ShaoqingRen/faster_rcnn MATLAB https://github.com/rbgirshick/py-faster-rcnn Python
2016-11-04 20:19:38 914
转载 SSD: Single Shot MultiBox Detector 之再阅读
SSD: Single Shot MultiBox Detector SSD 一句话就是速度快,效果好! 第一版 8 Dec 2015,第二版是30 Mar 2016 主要改进是内容更加详实,实验更加丰富,尤其是和 Faster R-CNN 和 YOLO 做了对比,其优势比较明显。 SSD把 候选区域提取步骤取消了。The fundamental improvement in speed
2016-11-04 20:17:28 996
转载 yolo-darknet配置安装与测试
继caffe-fasterrcnn后,又一个yolo-darknet的配置教程,希望可以帮助大家。若不能配置成功,请与我联系,邮箱:ahuljx@126.com注意:1、请严格按照我提供的安装顺序安装,即ubuntu-opencv2.4.10-darknet-cuda7.5-darknet-test2、有些您复制的终端命令如果不能在终端运行,请注意英文全角半角问题,您可以将命令输入
2016-11-04 16:20:03 2923
转载 线性SVM与SoftMax分类器
作者: 寒小阳 时间:2015年11月。 出处:http://blog.csdn.net/han_xiaoyang/article/details/49999299 声明:版权所有,转载请注明出处,谢谢。1. 线性分类器在深度学习与计算机视觉系列(2)我们提到了图像识别的问题,同时提出了一种简单的解决方法——KNN。然后我们也看到了KNN在解决这个问题的时候,虽然实现起
2016-11-01 20:07:48 976
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