caffe
ForeverYang2015
IT搬砖工!
展开
-
Faster rcnn end to end 训练方法总结
一、前言 本篇主要记录Faster rcnn 采用end to end 训练方式做训练二、制作自己的VOC2007格式的数据集1、首先创建好路径 py-faster-rcnn/data/VOCdevkit2007/VOC20072、在VOC2007下分别创建文件夹Annotations 、JPEGImages、ImageSets/Main3、把图片按照 00000×...原创 2019-10-19 17:13:57 · 928 阅读 · 0 评论 -
Faster rcnn alt opt 训练方法总结
一、前言 本篇主要记录Faster rcnn 采用alt opt 训练方式做训练二、制作自己的VOC2007格式的数据集 这一部分可以参考 end to end 训练篇https://mp.csdn.net/postedit/96730858的章节二,这里不再重复三、采用VGG_CNN_M_1024模型训练1 、修改models/pascal_voc/VGG_CN...原创 2019-10-19 17:11:46 · 809 阅读 · 0 评论 -
caffe中新增自己的激活函数层_C++实现
一、前言 本篇主要转载自一个视频教程,主要实现在caffe中新增自己的层。二、具体做法 自定义一个计算层,实现y=x^power+bur的功能,事实上这个新层为激活函数层三、实现的方法思路 (1)任何一个层都可以被继承,然后进行重写函数 (2)尽量确保要实现的功能是否必须要自己写,不然尽量用已有的层,每一个层在caffe/incl...转载 2018-04-13 17:29:26 · 1362 阅读 · 1 评论 -
caffe之保存和读入caffmodel文件
一、caffe如何将卷积层或网络层的权值blob给保存下来的? 首先Solver类在Step(intiters)中调用了Snapshot()函数,在voidSolver<Dtype>::Snapshot()函数中能看到保存caffemodel文件的重要函数 SnapshotToBinaryProto(),该函数详细如下:可看到该函数里初始化了NetParameternet_param...原创 2018-07-14 09:50:21 · 6357 阅读 · 0 评论 -
炒冷饭-Alexnet、vggnet、Google Inception Net、resNet、resnet后续改进
一、前言 本篇转载自 https://blog.csdn.net/m0_37733057/article/details/70232378 , 文章对经典的深度神经网络的发展做了一些概括,另外这里也加了一些补充说明二、Alexnet AlexNet是现代深度CNN的奠基之作。2012年,Hinton的学生Alex Krizhevsky提出了深度卷积神经网络模型AlexNe...转载 2018-12-08 11:19:57 · 1468 阅读 · 0 评论 -
caffe 提取特征C++接口
一、前言 以下为使用caffe的C++接口提取某层的特征向量,作下记录,一下两种方式耗时基本相同。二、方式一//CaffeExFeat.h#ifndef CAFFEEXFEAT_H #define CAFFEEXFEAT_H#include "caffe/caffe.hpp"#include <string>#include <vector>#incl...转载 2018-04-04 18:34:57 · 1341 阅读 · 0 评论 -
caffe 训练过程源码层理解
一、前言 本文主要部分转载自 https://buptldy.github.io/2016/10/09/2016-10-09-Caffe_Code/,并加入一些自己的见解 本篇主要重点分析 caffe训练过程相关的主要代码。二、caffe训练main函数入口 这里以训练lenet模型(入门必备)为例, 训练 lenet 网络模型的基本命令为 ./转载 2017-09-30 19:46:15 · 1609 阅读 · 1 评论 -
lenet-5结构
一、lenet-5 结构 lenet-5结构图如下所示,不包括输入,则共有7层 其各层可训练权值和偏置个数为:INPUT -> C1: 6个5*5大小模板及6个偏置,共有6*(5*5+1) =156个训练参数C1 -> S2: 6个常数权值及6个偏置,共有6+6 = 12 个训练参数S2 -> C3: 模板大小仍为5*5,C3所生成的16个特征图与S2的原创 2017-05-13 22:59:39 · 1303 阅读 · 0 评论 -
CNN反向传播训练参数过程
一、前言 人共神经网络的训练主要采用梯度下降算法,计算过程采用误差反向传播(BP)的方式计算误差函数对全部权值和偏置的梯度,由该梯度更新训练参数,CNN卷积神经网络也可采用基于BP的梯度下降算法。二、交叉熵代价函数原创 2017-06-08 20:23:07 · 8138 阅读 · 0 评论 -
使用caffe的python接口预测多张图片
一、前言 根据前面博文 使用lenet模型训练及预测自己的图片数据 可得到训练得的caffemodel及其他相关的文件,回顾下My_FIle文件夹如下,predictPic文件夹中保存的是名为“0“~“9“的文件夹,分别保存相应的0~9的多张字符图片: 使用classification.bin只能预测单张图片,或者使用caffe.bin test原创 2017-07-16 12:12:57 · 2581 阅读 · 0 评论 -
yolo v2之车牌检测后续识别字符(一)
一、前言 本篇续接前一篇 yolo v2 之车牌检测 ,前一篇使用yolo v2已经可以很准确地框出车牌图片了,这里完成后续的车牌字符号码的识别,从车牌框框中要识别出车牌字符,笔者能想到3种思路,1种是同样yolo、SSD等深度学习目标检测的方法直接对车牌内的字符识别;第2种是传统方法从框里切分字符,再训练深度学习的模型对各个字符做识别;第3种方法就是端到端的车牌图片识别。在车牌图原创 2017-08-09 19:33:10 · 16881 阅读 · 13 评论 -
yolo v2 之车牌检测
一、前言 本文主要使用yolo v2 训练自己的车牌图片数据,并能够框出测试图片中存在的车牌区域,也即车牌检测。本文参考了博文http://m.blog.csdn.net/qq_34484472/article/details/73135354和http://blog.csdn.net/zhy8623080/article/details/73188542二、准备工作原创 2017-07-20 20:58:08 · 18912 阅读 · 31 评论 -
yolo v2之车牌检测后续识别字符(二)
一、前言 这一篇续接前一篇《yolo v2之车牌检测后续识别字符(一)》,主要是生成模型文件、配置文件以及训练、测试模型。二、python接口生成配置文件、模型文件 车牌图片端到端识别的模型文件参考自这里,模型图如下所示: 本来想使用caffe的python接口生成prototxt,结果发现很麻烦,容易出错,直接在可视化工具nets原创 2017-08-09 19:52:14 · 10202 阅读 · 8 评论 -
使用lenet模型训练及预测自己的图片数据
一、前言本文主要尝试将自己的数据集制作成lmdb格式,送进lenet-5作训练和测试,参考了http://blog.csdn.net/liuweizj12/article/details/52149743和http://blog.csdn.net/xiaoxiao_huitailang/article/details/51361036这两篇博文二、从训练模型到使用模型预测图片分类(1)原创 2017-07-08 03:56:07 · 9203 阅读 · 3 评论 -
目标检测算法中的bounding box regression
原文转载于:http://blog.csdn.net/elaine_bao/article/details/60469036一、前言 一些目标检测算法如R-CNN、Fast RCNN中都用到了bounding box回归,回归的目标是使得预测的物体窗口向groundtruth窗口相接近二、做边框回归的原因转载 2017-09-09 17:03:47 · 7966 阅读 · 2 评论 -
caffe下使用g++编译cpp文件时 遇到 fatal error: cublas_v2.h: 没有那个文件或目录
一、前言 在caffe下使用g++编译cpp文件生成bin文件时突然遇到 fatal error: cublas_v2.h: 没有那个文件或目录 这个吐血问题,通过查找资料找到解决的方法了二、g++编译生成bin文件 本人的编译命令是 g++ ***.cpp -o ***.bin -I /caffe-root/include -I /caffe-roo原创 2017-09-18 23:31:36 · 3854 阅读 · 0 评论 -
codeblock配置caffe
一、前言 由于gdb调试caffe诸多不易,为节约时间,使用codeblock调试caffe,有助于理解caffe源码,这里记录配置过程,这要参考以下博文二、配置前提1.安装好caffe,并配置好环境,由于只是为了理解源码,故使用CPU模型,容易配置些,故在Makefile需将以下的注释去掉CPU_ONLY := 1OPENCV_VERSION := 3之原创 2017-09-28 22:32:45 · 775 阅读 · 0 评论 -
caffe《学习笔记一》——《caffe21天实战》课后习题6.4网上解法总结
前言 如何使用《caffe21天实战》第六章训练好的LeNet-5模型权值文件(caffe_root/examples/mnist//lenet_iter_10000.caffemodel )测试自己的手写体数据集呢,本来思路为按照这篇文章http://blog.csdn.net/sinat_30071459/article/details/50501689尝试使用ImageNet原创 2017-02-09 16:01:05 · 1538 阅读 · 0 评论