深度学习
文章平均质量分 92
Fate_fjh
计算机视觉
展开
-
CAFFE 简单使用教程(无安装部分)
前言这里是从caffe成功安装开始,包括caffe的python接口,整个过程就是从训练自己图片到使用自己训练好的模型进行图片分类,这里使用的网络是lenet。原创 2016-07-30 16:30:59 · 1608 阅读 · 0 评论 -
卷积神经网络CNN(4)—— SegNet
Introduction自己制作国内高速label,使用SegNet训练自己的模型,测试效果 参考:http://mi.eng.cam.ac.uk/projects/segnet/tutorial.html SegNet是Cambridge提出旨在解决自动驾驶或者智能机器人的图像语义分割深度网络,开放源码,基于caffe框架。SegNet基于FCN,修改VGG-16网络得到的语义分割网络,有两种原创 2016-12-05 18:06:34 · 47936 阅读 · 41 评论 -
卷积神经网络CNN(3)—— FCN(Fully Convolutional Networks)要点解释
FCN作为图像语义分割的先河,实现像素级别的分类(即end to end,pixel-wise),作者尽量用浅白的方式讲述FCN的原理与过程。原创 2016-12-03 18:18:08 · 53736 阅读 · 22 评论 -
卷积神经网络CNN(5)—— Dilated Convolution
introduction参考:Multi-Scale Context Aggregation by Dilated Convolutions 在CNN中,Convolution与Pooling可谓最佳搭档,密不可分,在LeNet作者提出基本的CNN框架的时候,普通计算机计算能力并不优秀,所以Pooling作为提取重要特征以及减少计算量的一个重要手段。但是,在图像计算能力发展迅速的时代,Dilate原创 2016-12-29 21:58:09 · 15540 阅读 · 5 评论 -
卷积神经网络CNN(6)—— YOLOv2 参数详解
前言You Only Look Once (YOLO) 是一个基于GoogleNet的物体检测深度网络,Real-time(实时)与Efficient(有效)一定是YOLO最大的特点与优势。YOLO与其他物体检测的深度网络思路基本相同,学习物体分类以及BoundingBox位置与大小。 参考:https://pjreddie.com/darknet/yolo/ Darknet是基于C语言写的深度原创 2017-04-24 17:24:37 · 17110 阅读 · 11 评论 -
卷积神经网络CNN(1)——图像卷积与反卷积(后卷积,转置卷积)
1.前言 传统的CNN网络只能给出图像的LABLE,但是在很多情况下需要对识别的物体进行分割实现end to end,然后FCN出现了,给物体分割提供了一个非常重要的解决思路,其核心就是卷积与反卷积,所以这里就详细解释卷积与反卷积。 对于1维的卷积,公式(离散)与计算过程(连续)如下,要记住的是其中一个函数(原函数或者卷积函数)在卷积前要翻转180度图1 对...原创 2016-10-21 12:16:31 · 68957 阅读 · 37 评论 -
卷积神经网络CNN(7)—— 限速交通标志分类
1.前言限速交通标志识别在ADAS或者自动驾驶领域中相对基础的范畴,因此限速交通标志识别的要求都是又快又准,同时使用相对简单的方法实现,本文将整个限速交通标志检测与分类的过程以及实现方法。不过实际场景中,会出现限速交通标志容易被阻挡,或是离当前车道很远无法检测出来等问题有待解决,而且都具有一定挑战性。2.限速交通标志分类流程1.交通标志位置与大小检测:使用物体检测的CNN完成,本人使用的是yolo。原创 2017-07-08 20:19:49 · 7839 阅读 · 34 评论 -
卷积神经网络CNN(8)—— Pix2Pix Application -- Aerialmap Lane Line Detection (Pix2Pix应用:航拍图车道线检测)
前言GAN(Generative Adversarial Networks–https://arxiv.org/abs/1406.2661)自问世而来热度一直无法退减,生成网络G与判别网络D通过相互对抗(原作者比喻成欺骗)训练网络,最终得到可以生成以假乱真图片的生成网络G。具有半监督学习能力的生成网络引来了大量研究者,同时产生了很多相关变体。Pix2Pix(Image-to-Image Transl原创 2017-08-10 11:40:31 · 8730 阅读 · 8 评论 -
卷积神经网络CNN(2)—— BN(Batch Normalization) 原理与使用过程详解
Batch Normalization是由google提出的一种训练优化方法。网上对BN解释详细的不多,大多从原理上解释,没有说出实际使用的过程,这里从what, why, how三个角度去解释BN。原创 2016-11-28 11:56:32 · 104127 阅读 · 30 评论