ssd微调VGG网络出现的错误

最新推荐文章于 2022-06-09 19:38:05 发布
最新推荐文章于 2022-06-09 19:38:05 发布
阅读量2k 收藏 1
点赞数 1
分类专栏： 目标检测 caffe 文章标签： ssd 深度学习 caffe 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Jdk_yxs/article/details/77851548
版权

本文ssd微调使用的是VGG_coco_SSD_300x300_iter_400000.caffemodel模型，在微调训练是出现了一些问题。

1、

原因：因为原模型是21个输出，本人训练6个输出，导致输出层维度不一致，conf层无法共享权值

解决：修改conf层名称，将两个CreateMultiBoxHead函数增加conf_postfix='_hlg'参数



2、SyntaxError: invalid syntax错误和SyntaxError:Non-ASCII character '\xef' in file

文件头部缺少

# -*- coding: UTF-8 -*-


北方的杨先生
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
VGG_VOC0712Plus_SSD_300x300_iter_240000.caffemodel
07-01
SSD-caffe已训练好的300x300模型，找国外同学下载的官方模型，基于VOC2007+VOC2012训练的Plus版本，训练了24万轮次，实测VOC2007数据集4952张图片，mAP为90%，实测部分输出如下。同时还有训练好的SSD512模型，同样是官方下载，训练24万轮。 I0701 12:37:55.655375 32319 caffe.cpp:155] Finetuning from models/VGGNet/VOC0712Plus/SSD_300x300/VGG_VOC0712Plus_SSD_300x300_iter_240000.caffemodel I0701 12:37:56.035286 32319 net.cpp:761] Ignoring source layer mbox_loss I0701 12:37:56.036597 32319 caffe.cpp:251] Starting Optimization I0701 12:37:56.036615 32319 solver.cpp:294] Solving VGG_VOC0712Plus_SSD_300x300_train I0701 12:37:56.036620 32319 solver.cpp:295] Learning Rate Policy: multistep I0701 12:37:56.115556 32319 solver.cpp:332] Iteration 0, loss = 0.898412 I0701 12:37:56.115597 32319 solver.cpp:433] Iteration 0, Testing net (#0) I0701 12:37:56.130832 32319 net.cpp:693] Ignoring source layer mbox_loss I0701 12:40:53.262286 32319 solver.cpp:546] Test net output #0: detection_eval = 0.904216 I0701 12:40:53.262420 32319 solver.cpp:337] Optimization Done. I0701 12:40:53.262426 32319 caffe.cpp:254] Optimization Done.
训练FCN-VGG16网络的时候，loss值不收敛，经过多次尝试，问题解决
banxia1995的博客
09-18 4290
我是根据tesorflow平台的fcn-vgg16进行修改，修改为两分类，出现训练结果如下所示： 并且输出结果的hostogram如下： 出现的问题： 1. 如果学习率比较大的话，histogram就会变成高斯分布，结果如下： 造成这个的原因还没找到，希望能了解的朋友指点一下。 2.网络训练之后出现的结果一直都没有变过，根本就没有学习，训练结果如下所示： [0.023...
SSD微调训练
大可的杨先森的博客
09-05 1294
本人根据下载的ssd_model比较，进行ssd模型微调训练，效果也比较好 借助blog：http://blog.csdn.net/jesse_mx/article/details/74011886 效果：
【无标题】
m0_48659823的博客
06-09 154
VGG网络优化
VGG改进的依据.docx
09-19
输入层中原本固定采样区域分别加入偏移向量，然后在卷积核中通过双线性插值的算法将带有偏移向量的采样点集中在一起，并且使得带偏移向量的输出特征图与输入的特征图具有一致的空间分辨率，最终传递给下一个网络层。这样在不改变空间分辨率的情况下，实现对不规则图像特征的提取。
VGG_SSD网络的VOC预训练模型
01-12
VGG_SSD网络是计算机视觉领域中用于目标检测的一种深度学习模型，它的全称为"Visual Geometry Group Single Shot MultiBox Detector"。VGG_SSD结合了VGG网络的深层语义特征与SSD（Single Shot MultiBox Detector）的...
SSD-512 VGG-based
08-05
这个模型是基于VGG（Visual Geometry Group）网络架构的改进版本，SSD代表Single Shot Multibox Detector，这是一种一阶段的目标检测算法，它在检测物体的同时进行边界框的预测，大大简化了传统的两阶段检测方法如R-...
VGG_SSD网络的VOC预测模型
01-12
VGG_SSD网络的VOC预测模型是计算机视觉领域中用于目标检测的一种高效算法，它结合了VGG网络的深层语义特征与SSD（Single Shot MultiBox Detector）的单阶段检测思想。在这个模型中，VGG作为基础网络，提取图像的高级...
SSD-300 VGG-based
08-05
SSD-300 VGG-based 是一种基于深度学习的物体检测模型，它结合了VGG网络架构和SSD（Single Shot MultiBox Detector）的方法。SSD是一种端到端的实时目标检测系统，由Liu et al.在2016年的论文中提出，它在检测速度和...
SSD目标检测网络预训练模型
02-27
在SSD模型中，基础架构通常是基于VGG或者ResNet这样的深度神经网络，这些网络已经在ImageNet等大规模图像分类任务上进行了预训练。预训练模型是利用大量标注数据进行训练后的模型，它们学习到了丰富的低层和高层特征...
VGG_VOC0712_SSD_300x300_iter_120000.caffemodel
08-21
VGG_VOC0712_SSD_300x300_iter_120000.caffemodel，caffe-SSD下已经训练好的VGG模型文件，希望对大家有所帮助。
VGG_VOC0712_SSD_300x300_iter_120000.ckpt.zip
08-05
Note: SSD300* and SSD512* are the latest models. Current code should reproduce these results.
VGG_ILSVRC2016_SSD_300x300_iter_440000.caffemodel
08-04
ssd的caffee模型
SSD配置文件VGG_ILSVRC2016_SSD_300x300_iter_440000.caffemodel
07-16
二进制模型- VGG_ILSVRC2016_SSD_300x300_iter_440000.caffemodel 网络描述- ILSVRC2016/SSD_300x300/deploy.prototxt 分类信息- ILSVRC2016/SSD_300x300/labelmap_det.tx 还包括：MobileNetSSD_deploy.prototxt MobileNetSSD_deploy.caffemodel test.prototxt solver.prototxt train.prototxt
VGG_ILSVRC2016_SSD_300x300_iter_440000.txt
10-30
二进制模型- VGG_ILSVRC2016_SSD_300x300_iter_440000.caffemodel 网络描述- ILSVRC2016/SSD_300x300/deploy.prototxt 分类信息- ILSVRC2016/SSD_300x300/labelmap_det.txt txt中为百度网盘链接，失效了通过CSDN联系我
基本的图像分类网络学习——VGG16
独孤东方朔的博客
12-06 621
文章目录前言一、VGG16结构说明二、不同配置下的网络结构三、pytorch实现总结 前言 基本的图像分类网络学习——VGG16 一、VGG16结构说明 二、不同配置下的网络结构 conv3表示使用的是3*3的卷积, conv3-n,n表示卷积核的个数 此外所有的卷积都是stride=1,padding=1 ,所有的maxpooling都是size=2.stride=2 三、pytorch实现 import torch.nn as nn import torch class VGG(nn.
深度学习经典网络（2）VGG网络结构详解
青衫憶笙
07-11 6593
0.介绍 深度神经网络一般由卷积部分和全连接部分构成。卷积部分一般包含卷积（可以有多个不同尺寸的核级联组成）、池化、Dropout等，其中Dropout层必须放在池化之后。全连接部分一般最多包含2到3个全连接，最后通过Softmax得到分类结果，由于全连接层参数量大，现在倾向于尽可能的少用或者不用全连接层。神经网络的发展趋势是考虑使用更小的过滤器，如1*1,3*3等；网络的深度更深（2012年A...
vgg-16 caffemodel
04-30
vgg-16的ssd-caffe的预训练模型.
caffe-ssd ILSVRC models trainval1 3_ILSVRC.zip
05-08
https://github.com/weiliu89/caffe/tree/ssd 包含文件: models_VGGNet_ilsvrc15_SSD_500x500.tar.gz models_VGGNet_ilsvrc15_SSD_300x300.tar.gz
SSD-VGG16模型体积多大
最新发布
06-09
SSD-VGG16模型的体积大小取决于具体实现和使用的框架等因素。在常见的深度学习框架中，SSD-VGG16模型的大小通常在100MB以上。 以TensorFlow为例，TensorFlow官方提供了预训练好的SSD-VGG16模型，其大小约为300MB左右。在Caffe框架中，SSD-VGG16模型的大小在200MB左右。需要注意的是，这些大小仅作为参考，实际大小可能会因为不同的数据集和超参数等因素而有所不同。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值