- 博客(60)
- 资源 (16)
- 收藏
- 关注
RSS订阅原创 关于图像分割资料
1.语义分割(semantic segmentation) 常用神经网络介绍对比-FCN SegNet U-net DeconvNet 网址：点击打开链接
2017-09-29 15:47:53
293
转载 Faster R-CNN WINDOWS CPU环境搭建（详细版）
操作系统：bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/tools$ cat /etc/issueUbuntu 14.04.2 LTS \n \lPython版本：bigtop@bigtop-SdcOS-Hypervisor:~/py-faster-rcnn/tools$ python --versionPyth
2017-09-26 10:06:29
1371
2
转载 RCNN系列实验的PASCAL VOC数据集格式设置
我们在做RCNN系列的实验时，往往需要把数据集的格式设置为和PASCAL VOC数据集一样的格式，其实当然也可以修改读取数据的代码，只是这样更为麻烦，自己的数据格式变了又得修改。 首先以VOC2008为例，先看一下VOCdevkit的文件夹结构：VOCdevkit中还有一个devkit_doc.pdf文件，关于PASCAL VOC数据集的所有信息都可以在里面找到。 我们也按
2017-09-26 09:58:18
409
转载 Windows下Faster R-CNN 配置/Matlab版本编译
配置环境： Windows10x64 Matlab2015Ra VS2013 Opencv2.4.11 CUDA7.5 GTX950MCUDA7.5安装 因为Cuda7.5做了很大的优化改进，而且对win10支持较好，所以这里选择安装Cuda7.5,具体过程 参考这里。但是由于作者Matlab 版本的Faster r-CNN的cnn库是在Cuda6.5下编译的，所以这里会出现问
2017-09-23 14:56:15
535
转载 【caffe-MATLAB】自己编译faster-rcnn的MATLAB版本
今天在自己的电脑上编译MATLAB版本的faster-RCNN代码，将过程在这作一记录。1.我的环境：Windows10 ，VS2013 ， MATLAB2017a ，CUDA7.5首先下载作者的源码：https://github.com/ShaoqingRen/faster_rcnn[html] view plain copy ### Preparat
2017-09-23 14:55:49
2347
2
转载 【faster-rcnn】训练自己的数据集时的坑
既然faster-rcnn原版发表时候是matlab版代码，那就用matlab版代码吧！不过遇到的坑挺多的，不知道python版会不会好一点。======= update =========总体上包括这些步骤，请注意检查：1 获取数据；（标准数据集/比赛数据/自行收集数据）2 整理图片名和标注信息格式、指定训练集和测试集；（转voc格式，同时记得修改vocinit.m中类别信息；或
2017-09-23 14:43:25
803
转载 图像处理之均值滤波介绍及C算法实现
1 均值滤波介绍 滤波是滤波是将信号中特定波段频率滤除的操作，是从含有干扰的接收信号中提取有用信号的一种技术。 均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（如3×3模板：以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身），再用模板中的全体像素的平均值来代替原来像素值。 均值滤波效果:平滑
2017-09-23 10:15:05
19644
3
转载 图像处理之中值滤波介绍及C实现
1 中值滤波概述 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号平滑处理技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为
2017-09-23 10:14:03
3542
1
转载 图像滤波之高斯滤波介绍
1 高斯滤波简介 了解高斯滤波之前，我们首先熟悉一下高斯噪声。高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性，高斯白噪声包括热噪声和散粒噪声。 高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高
2017-09-23 10:06:44
2875
转载 图像处理常用边缘检测算子总结
不同图像灰度不同，边界处一般会有明显的边缘，利用此特征可以分割图像。需要说明的是：边缘和物体间的边界并不等同，边缘指的是图像中像素的值有突变的地方，而物体间的边界指的是现实场景中的存在于物体之间的边界。有可能有边缘的地方并非边界，也有可能边界的地方并无边缘，因为现实世界中的物体是三维的，而图像只具有二维信息，从三维到二维的投影成像不可避免的会丢失一部分信息；另外，成像过程中的光照和噪声也是不可避免
2017-09-23 10:05:49
620
转载 十三种基于直方图的图像全局二值化算法原理、实现、代码及效果。
图像二值化的目的是最大限度的将图象中感兴趣的部分保留下来，在很多情况下，也是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。这个看似简单的问题，在过去的四十年里受到国内外学者的广泛关注，产生了数以百计的阈值选取方法，但如同其他图像分割算法一样，没有一个现有方法对各种各样的图像都能得到令人满意的结果。 在这些庞大的分类方法中，基于直方图的全局二值算法占有了绝对的市场份额，这些
2017-09-23 09:44:53
545
转载 灰度图像的腐蚀与膨胀
从实例来演示整个过程，易于理解，这是一个很好的详细的例子。http://hi.baidu.com/lwb198609_love/blog/item/6b3b1f395f8228f315cecb97.html（1）灰度膨胀>>t=rand(7,8);>> t=ceil(t.*256)%t为灰度图像t = 209 125 191 9 168 246 158
2017-09-23 09:33:58
10787
1
转载 py-faster-rcnn源码解读系列
转载自：py-faster-rcnn源码解读系列（一）——train_faster_rcnn_alt_opt.py - sunyiyou9的博客 - 博客频道 - CSDN.NEThttp://blog.csdn.net/sunyiyou9/article/details/52207486py-faster-rcnn源码解读系列（二）——pascol_voc.py - su
2017-09-20 14:37:48
461
转载 基于Faster RCNN的医学图像检测（肺结节检测）
Faster-R-CNN算法由两大模块组成：1.PRN候选框提取模块 2.Fast R-CNN检测模块。其中，RPN是全卷积神经网络，用于提取候选框；Fast R-CNN基于RPN提取的proposal检测并识别proposal中的目标。在 学习Faster-RCNN (py-faster-rcnn demo)的基础上 用自己的数据训练 这里选择的是CT肺数据，关于数据处理方面的问题参
2017-09-18 17:11:24
1283
转载 使用py-faster-rcnn来训练voc2007数据集（Ubuntu）
数据集1、下载数据集： 输入指令：wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tarwget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tarwget http://host.ro
2017-09-18 15:07:55
2348
2
转载 Windows下Faster R-CNN 配置/Matlab版本编译
配置环境： Windows10x64 Matlab2015Ra VS2013 Opencv2.4.11 CUDA7.5 GTX950MCUDA7.5安装 因为Cuda7.5做了很大的优化改进，而且对win10支持较好，所以这里选择安装Cuda7.5,具体过程 参考这里。但是由于作者Matlab 版本的Faster r-CNN的cnn库是在Cuda6.5下编译的，所以这里会出
2017-09-16 15:55:37
734
转载 Caffe: Faster-RCNN Python版本配置 (Windows)
环境：VS2013，CUDA8.0，CuDNN 5.0，Win10/7，Anaconda一、准备工作1. 添加VS的cl.exe所在路径至环境变量VS的安装路径下有一个VC文件夹，将其中的bin目录添加值环境变量（该目录下有cl.exe），路径参考如下：D:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\bi
2017-09-16 15:55:08
415
转载 深度学习之windows python faster rcnn 配置及demo运行
写这篇文章主要是针对深度学习零基础的新手，因为我也是新手，在配置环境这一块花了我很大的心血，网上的资料很多都只是说配置，然后直接运行就完了，可是对于我这样的新手在配置的过程中会遇见各种各样的问题，所以在此给大家把我所遇到的问题总结出来，以免后续的人少走弯路，不废话了。1 系统环境windows 7 X64VS2013GTX970CUDA8.0cudnn5.0Minicond
2017-09-16 15:54:27
1135
1
转载 py-faster-rcnn在Windows下的end2end训练
一、制作数据集1. 关于训练的图片不论你是网上找的图片或者你用别人的数据集，记住一点你的图片不能太小，width和height最好不要小于150。需要是jpeg的图片。2.制作xml文件1）LabelImg如果你的数据集比较小的话，你可以考虑用LabelImg手工打框https://github.com/tzutalin/la
2017-09-16 15:53:46
563
转载 Windows+VS2015编译caffe+py-faster-rcnn
一、前期环境以及准备1、安装python在caffe中，python2和python3的接口都有。但frcnn中只能支持python2.7，所以千万不要装成python3。为了方便，不用自己去pip一大堆库，我建议安装anaconda2，里面已经安装了很多第三方的库。另附python，Windows的第三方库 http://www.lfd.uci.edu/~gohlke
2017-09-15 15:50:10
2251
转载 纯C++版的Faster-Rcnn（通过caffe自定义RPN层实现）
这里介绍的是通过添加自定义层（RPN层）代替python层，实现c++版的faster-rcnn，因为去掉python了，所以部署时不会因为牵扯到python库等其它的莫名其妙的错误，使用起来就跟单纯的caffe一样，更简单方便。 核心代码，借鉴的是这篇博客，这里的话，我们不扣具体的代码细节（比如rpn层是怎么产出候选框啊，非极大值抑制是具体怎么实现的等等），有兴趣的可以自己查下资料，所以主要是走
2017-09-15 15:48:29
1741
转载 faster rcnn windows 下c++版本
faster rcnn windows 下c++版本参考了http://www.cnblogs.com/louyihang-loves-baiyan/p/5485955.html，和http://blog.csdn.net/oYangZi12/article/details/53290426。 上面两个分别是参考在linux下参考python版本的faster rcnn改写成c++版本
2017-09-15 15:34:13
333
转载 反向传播算法最全解读，机器学习进阶必看！
如果对人工智能稍有了解的小伙伴们，或多或少都听过反向传播算法这个名词，但实际上BP到底是什么？它有着怎样的魅力与优势？本文发布于 offconvex.org，作者 Sanjeev Arora与 Tengyu Ma，雷锋网对此进行了编译，未经许可不得转载。目前网络上关于反向传播算法的教程已经很多，那我们还有必要再写一份教程吗？答案是‘需要’。为什么这么说呢？我们教员Sanjeev最近
2017-09-15 10:17:59
5216
转载 一文弄懂神经网络中的反向传播法——BackPropagation
最近在看深度学习的东西，一开始看的吴恩达的UFLDL教程，有中文版就直接看了，后来发现有些地方总是不是很明确，又去看英文版，然后又找了些资料看，才发现，中文版的译者在翻译的时候会对省略的公式推导过程进行补充，但是补充的又是错的，难怪觉得有问题。反向传播法其实是神经网络的基础了，但是很多人在学的时候总是会遇到一些问题，或者看到大篇的公式觉得好像很难就退缩了，其实不难，就是一个链式求导法则反复用。如果
2017-09-15 10:16:28
884
转载 对反向传播算法（Back-Propagation）的推导与一点理解
最近在对卷积神经网络（CNN）进行学习的过程中，发现自己之前对反向传播算法的理解不够透彻，所以今天专门写篇博客记录一下反向传播算法的推导过程，算是一份备忘录吧，有需要的朋友也可以看一下这篇文章，写的挺不错的：http://www.cnblogs.com/lancelod/p/4164231.html，本文也大量参考了这篇文章。本文在推导过程中忽略了偏置的存在，这样做是为了更简单明晰的阐述BP算法的
2017-09-15 10:15:54
447
转载 激活函数概述
原文 ： http://www.cnblogs.com/neopenx/p/4453161.html#undefined起源：传统激活函数、脑神经元激活频率研究、稀疏激活性传统Sigmoid系激活函数传统神经网络中最常用的两个激活函数，Sigmoid系（Logistic-Sigmoid、Tanh-Sigmoid）被视为神经网络的核心所在。从数学上来看，非线性
2017-09-15 09:55:55
773
转载 Homepage Machine Learning Algorithm 浅谈深度学习中的激活函数 - The Activation Function in Deep Learning
原文地址：http://www.cnblogs.com/rgvb178/p/6055213.html版权声明：本文为博主原创文章，未经博主允许不得转载。激活函数的作用首先，激活函数不是真的要去激活什么。在神经网络中，激活函数的作用是能够给神经网络加入一些非线性因素，使得神经网络可以更好地解决较为复杂的问题。比如在下面的这个问题中：如上图(图片来源)，在最简单的情况下
2017-09-15 09:49:22
409
转载 深度学习中的激活函数与梯度消失
转载请注明出处：http://www.cnblogs.com/willnote/p/6912798.html前言深度学习的基本原理是基于人工神经网络，信号从一个神经元进入，经过非线性的激活函数，传入到下一层神经元；再经过该层神经元的激活，继续往下传递，如此循环往复，直到输出层。正是由于这些非线性函数的反复叠加，才使得神经网络有足够的能力来抓取复杂的模式，在各个领域取得不俗的表现
2017-09-14 18:36:34
1784
转载 用faster-rcnn训练自己的数据集(VOC2007格式,python版)
用faster-rcnn训练自己的数据集(VOC2007格式,python版)一. 配置caffe环境ubunt16.04下caffe环境安装二. 下载,编译及测试py-faster-rcnn源码(一)下载源码github链接或者执行 git clone –recursive https://github.com/rbgirshick/py-faster-rcnn.gi
2017-09-14 09:00:32
1135
转载 Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks(更快的RCNN：通过区域提议网络实现实时)
原文出处感谢作者~Faster R-CNN: Towards Real-Time Object Detection with Region ProposalNetworksShaoqing Ren, Kaiming He, Ross Girshick, Jian Sun摘要 目前最先进的目标检测网络需要先用区域建议算法推测目标位置，像SPPnet[7]和Fast
2017-09-13 19:21:41
813
转载 faster-rcnn之RPN网络的结构解析
faster-rcnn之RPN网络的结构解析：大家应该要了解卷积神经网络的连接方式，卷积核的维度，反向传播时是如何灵活的插入一层；这里我推荐一份资料，真是写的非常清晰，就是MatConvet的用户手册，这个框架底层借用的是caffe的算法，所以他们的数据结构，网络层的连接方式都是一样的；建议读者看看，很快的；下载链接：点击打开链接【前面5层】：作者RPN网络前面的5层借用的是ZF网络，这个
2017-09-13 19:08:03
1407
转载 cs231n学习笔记-CNN-目标检测、定位、分割
cs231n学习笔记-CNN-目标检测、定位、分割cite from: http://blog.csdn.net/myarrow/article/details/518780041. 基本概念1）CNN：Convolutional Neural Networks2）FC：Fully Connected3）IoU：Intersection over Union （IoU的
2017-09-13 19:06:01
603
转载 基于深度学习的目标检测技术演进：R-CNN、Fast R-CNN、Faster R-CNN
object detection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。object detection技术的演进：RCNN->Spp
2017-09-13 14:16:03
427
转载 卷积神经网络CNN总结
从神经网络到卷积神经网络（CNN）我们知道神经网络的结构是这样的：那卷积神经网络跟它是什么关系呢？其实卷积神经网络依旧是层级网络，只是层的功能和形式做了变化，可以说是传统神经网络的一个改进。比如下图中就多了许多传统神经网络没有的层次。 卷积神经网络的层级结构 • 数据输入层/ Input layer • 卷积计算层/ CONV layer •
2017-09-13 14:14:34
1018
转载 [目标检测] Faster R-CNN 深入理解 && 改进方法汇总
Faster R-CNN 从2015年底至今已经有接近两年了，但依旧还是Object Detection领域的主流框架之一，虽然推出了后续 R-FCN，Mask R-CNN 等改进框架，但基本结构变化不大。同时不乏有SSD，YOLO等骨骼清奇的新作，但精度上依然以Faster R-CNN为最好。对于一般的通用检测问题（例如行人检测，车辆检测，文字检测），只需在ImageNet pre-train
2017-09-13 14:09:55
6362
转载 faster-rcnn原理及相应概念解释
R-CNN --> FAST-RCNN --> FASTER-RCNN R-CNN:(1)输入测试图像；(2)利用selective search 算法在图像中从上到下提取2000个左右的Region Proposal；(3)将每个Region Proposal缩放(warp)成227*227的大小并输入到CNN，将CNN的fc7层的输出作为特征；(4)将每个Region
2017-09-13 14:07:14
1007
转载 大数据视觉智能实践及医学影像智能诊断探索（讲座精华笔记）
【导读】本文整理自2017年6月20日，阿里巴巴iDST算法专家行湘在清华-青岛数据科学研究院、阿里云和零氪科技共同举办的天池医疗AI大赛之“医学影像在肿瘤诊断中的应用及智能诊断探索”上发表的“大数据视觉智能实践及医学影像智能诊断探索”演讲内容精华。 一、视觉智能实践 阿里团队主要专注云上的智能视觉技术。 人工智能曾经过两次繁荣，现在是它的第三次繁荣，主要原因有：一是以深度学
2017-09-13 13:43:17
3858
转载 LUNA再次夺冠，科大讯飞向世界宣告自己的实力不止于语音
近日，科大讯飞可谓喜报连连，除了日益蹿升的股价，技术方面的好消息也不绝于耳。8月7日，科大讯飞在其官方微信公众号上给外界传递了一封喜报，并附以“科大讯飞刷新LUNA医学影像国际权威评测世界记录！”这样振奋人心的标题。提到科大讯飞，相信很多熟悉这家公司的朋友们会联想到它在语音识别、语义理解、机器翻译等领域的耕耘，但它究竟是什么时候涉足到计算机视觉和智慧医疗领域的呢？
2017-09-13 08:29:24
4085
转载 使用Faster-Rcnn进行目标检测(实践篇)
原理上一篇文章，已经说过了，大家可以参考一下，Faster-Rcnn进行目标检测(原理篇)实验我使用的代码是python版本的Faster Rcnn，官方也有Matlab版本的,链接如下:py-faster-rcnn(python)faster-rcnn(matlab)环境配置按照官方的README进行配置就好,不过在这之前大家还是看下硬件要求吧Fo
2017-09-12 16:52:19
337
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人