2018年01月_浩瀚之水_csdn

12月 11月 10月 09月 08月 07月 06月 05月 04月 03月 02月 01月

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 S

2018-01-31 10:10:14 657 1

转载 SSD 安装、训练、测试（ubuntu14.04+cuda7.5+openvc2.4.9）

安装步骤1.安装git，下载SSD源码包sudo apt-get install gitgit clone https://github.com/weiliu89/caffe.gitcd caffegit checkout ssd以下几条命令是验证相应的包是否齐全sudo apt-get install python-pipsudo apt-get install

2018-01-31 10:08:57 657

转载论文翻译基于R-FCN的物体检测

本文转载自：http://www.jianshu.com/p/db1b74770e52题目：基于R-FCN的物体检测文章地址：arXiv:1605.06409.《R-FCN: Object Detection via Region-based Fully Convolutional Networks》Github链接：https://gith

2018-01-31 09:47:04 265

转载论文理解 R-FCN：基于区域的全卷积网络来检测物体

本文转载自：http://blog.csdn.net/shadow_guo/article/details/51767036原文标题为“R-FCN: Object Detection via Region-based Fully Convolutional Networks ”，作者代季峰 1，14年毕业的清华博士到微软亚洲研究院的视觉计算组，CVPR 16 两篇一作的

2018-01-31 09:44:13 484

转载 YOLOv2训练：制作VOC格式的数据集

本文转载自：http://blog.csdn.net/ch_liu23/article/details/53558549 最近在用yolo来做视频中的人员检测，选择YOLO是从速度考虑，当然也可以用ssd。YOLO相关可看主页Darknet，有相关代码和使用方法。由于之前做自己的数据训练过程中出现各种问题，参照了各种博客才跑通，现在记录下以防后面忘记，也方便自己总结一下。

2018-01-31 09:33:28 778 2

转载配置SSD-caffe测试时出现“Check failed: error == cudaSuccess (10 vs. 0) invalid device ordinal”解决

这是由于GPU数量不匹配造成的，如果训练自己的数据，那么我们只需要将solver.prototxt文件中的device_id项改为自己的GPU块数，一块就是0，两块就是1，以此类推。但是SSD配置时的例子是将训练语句整合成一个python文件ssd_pascal.py，所以需要改此代码。相关配置训练方法请参看转载博文：http://blog.csdn.net/xunan003/article/

2018-01-30 10:41:38 548

转载 caffe-ssd编译、训练、测试全过程（最后有彩蛋）

大家好，终于把SSD整通了，现在我把整个过程搭建给你们讲讲。caffe_ssd多目标检查效果还是非常好的，在线测试，FPS在20左右。我的训练的还是官方的数据集，其实我们可通过做自己的数据集得到预测模型也是可以的。一、SSD编译[plain] view plain copy https://github.com/weiliu89/caffe.git

2018-01-30 10:33:18 2035 3

转载 Ubuntu上用caffe的SSD方法训练Pascal VOC数据集

实验目的继caffe和ssd搭建完成，demo也演示完毕，了解一些基本知识后，现在开始训练自己的数据集，在给自己的训练集处理之前，先跟着官方的示例将Pascal VOC数据集训练走一遍，把可能会踩坑的地方先踩过去，积累点经验。实验环境训练平台：NVIDIA K80预测平台：NVIDIA TX1语言：C++，Python框架：caffe方法

2018-01-30 10:31:24 350

转载目标检测之RCNN，SPP-NET，Fast-RCNN，Faster-RCNN

写在前面在深度学习出现之前，传统的目标检测方法大概分为区域选择（滑窗）、特征提取（SIFT、HOG等）、分类器（SVM、Adaboost等）三个部分，其主要问题有两方面：一方面滑窗选择策略没有针对性、时间复杂度高，窗口冗余；另一方面手工设计的特征鲁棒性较差。自深度学习出现之后，目标检测取得了巨大的突破，最瞩目的两个方向有：1 以RCNN为代表的基于Region Proposal的深度学习目

2018-01-30 10:23:26 725

转载目标检测之YOLOv2

写在前面前篇文章介绍了基于回归方法的深度学习目标检测方法（YOLO，SSD），本篇将介绍YOLO的升级版YOLOv2，其主要有两个大方面的改进：（1）使用一系列的方法对YOLO进行了改进，在保持原有速度的同时提升精度得到YOLOv2；（2）提出了一种目标分类与检测的联合训练方法，通过WordTree来混合检测数据集与识别数据集之中的数据，同时在COCO和ImageNet数据集中进行训练

2018-01-30 10:20:23 1454

转载 R-FCN+ResNet-50 训练模型

本文转载自：http://blog.csdn.net/sinat_30071459/article/details/53202977说明：本文假设你已经做好数据集，格式和VOC2007一致，并且Linux系统已经配置好caffe所需环境（博客里教程很多），下面是训练的一些修改。py-R-FCN源码下载地址：https://github.c

2018-01-30 10:13:25 1653

转载目标检测方法系列：R-CNN, SPP, Fast R-CNN, Faster R-CNN, YOLO, SSD

本文转载自：http://www.cnblogs.com/lillylin/p/6207119.html目标检测方法系列——R-CNN, SPP, Fast R-CNN, Faster R-CNN, YOLO, SSD 目录相关背景从传统方法到R-CNN从R-CNN到SPPFast R-CNNFaster R-

2018-01-30 09:41:31 416

转载论文阅读 R-FCN: Object Detection via Region-based Fully Convolutional Networks

本文转载自：http://www.cnblogs.com/lillylin/p/6277094.htmlR-FCN论文阅读（R-FCN: Object Detection via Region-based Fully Convolutional Networks ）目录作者及相关链接方法概括方法细节实验结果总结参考文献

2018-01-30 09:39:38 206

转载 SSD论文阅读（Wei Liu——【ECCV2016】SSD Single Shot MultiBox Detector）

本文转载自：http://www.cnblogs.com/lillylin/p/6207292.htmlSSD论文阅读（Wei Liu——【ECCV2016】SSD Single Shot MultiBox Detector）目录作者及相关链接文章的选择原因方法概括方法细节相关背景补充实验结果与相关文章的对比总结

2018-01-30 09:38:14 830

转载 Faster RCNN原理分析（二）：Region Proposal Networks详解

Region Proposal Networks是Faster RCNN出新提出来的proposal生成网络。其替代了之前RCNN和Fast RCNN中的selective search方法，将所有内容整合在一个网络中，大大提高了检测速度（语文水平差，所以历史科普请看其他文章T_T）。缩进在正文前，还要多解释几句基础知识，已经懂的看官老爷跳过就好。对于单通道图像+单卷积核做卷积，上一篇

2018-01-26 11:05:06 557

转载 ROI Pooling层解析

ROI Pooling的意义ROIs Pooling顾名思义，是Pooling层的一种，而且是针对RoIs的Pooling，他的特点是输入特征图尺寸不固定，但是输出特征图尺寸固定；什么是ROI呢？ROI是Region of Interest的简写，指的是在“特征图上的框”；1）在Fast RCNN中， RoI是指Selective Search完成后得到的“候选框”在特征图上的映射，如

2018-01-25 15:16:47 509

转载 Faster-RCNN学习

转载：RCNN的介绍（有些图片没有粘贴成功，推荐查看原文）RCNN（Regions with CNN features）是将CNN方法应用到目标检测问题上的一个里程碑，由年轻有为的RBG大神提出，借助CNN良好的特征提取和分类性能，通过RegionProposal方法实现目标检测问题的转化。算法可以分为四步：1）候选区域选择Region Proposal是一类传统的

2018-01-23 17:09:12 539

转载 Faster R-CNN论文详解

原文链接：http://lib.csdn.net/article/deeplearning/46182paper链接：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks&创新点设计Region Proposal Networks【RPN】，利用CNN卷积操作后的特征

2018-01-23 17:07:30 404

转载使用pycaffe读取caffemodel参数（保存到txt文件）

#!/usr/bin/env python # 引入“咖啡” import caffe import numpy as np # 使输出的参数完全显示 # 若没有这一句，因为参数太多，中间会以省略号“……”的形式代替 np.set_printoptions(threshold='nan') # deploy文件 MODEL_FILE = 'caffe_deploy.

2018-01-19 11:40:07 3801

转载 caffe.pb.h丢失问题：

/home/wuliwei/caffe/include/caffe/blob.hpp:9:34: fatal error: caffe/proto/caffe.pb.h: No such file or directory #include "caffe/proto/caffe.pb.h"12解决方法：用protoc从caffe/src/caffe/proto/caffe.proto生成caf

2018-01-18 15:14:08 307

转载 py-rfcn算法caffe配置，训练及应用到自己的数据集

下载程序，git clone https://github.com/Orpine/py-R-FCN.git打开py-R-FCN,下载caffegit clone https://github.com/Microsoft/caffe.git编译Cython模块cd libmake结果如下图所示：编译caffe和pycaffecd caffecp Makefile.config.example MAk

2018-01-18 09:46:09 1616

转载 RFCN论文笔记

R-FCN论文阅读（R-FCN: Object Detection via Region-based Fully Convolutional Networks ）目录作者及相关链接方法概括方法细节实验结果总结参考文献作者及相关链接作者：作者链接：代季峰，何恺明，孙剑论文链接：论文传送门代码链接：matlab版，python版方法概括R-FCN解决问题——目标检测整个R-FCN的结构一个bas

2018-01-18 09:30:35 800

转载基于ZF网络的Faster RCNN网络结构详解（非常详细版）

我还只是小白，又很多不会的，还希望能得到大神的指导！！！！感激不尽附录： proposal_layer实现过程： http://blog.csdn.net/seven_year_promise/article/details/60874922 和http://download.csdn.net/detail/seven_year_promise/9774957

2018-01-18 09:15:11 5493 1

原创 python记录程序运行时间的几种方法

1.获取当前时间的两种方法：复制代码代码如下:import datetime,timenow = time.strftime("%Y-%m-%d %H:%M:%S")print nownow = datetime.datetime.now()print now2.获取上个月最后一天的日期(本月的第一天减去1天)复制代码代码如下:last = da

2018-01-10 16:35:44 15687 1

原创 xampp下载地址

https://www.apachefriends.org/zh_cn/index.htmlhttps://bitnami.com/stack/xampp?utm_source=bitnami&utm_medium=installer&utm_campaign=XAMPP%2BInstaller

2018-01-06 18:12:09 2532

转载 WAMP

Windows下的Apache+Mysql/MariaDB+Perl/PHP/Python，一组常用来搭建动态网站或者服务器的开源软件，本身都是各自独立的程序，但是因为常被放在一起使用，拥有了越来越高的兼容度，共同组成了一个强大的Web应用程序平台。随着开源潮流的蓬勃发展，开放源代码的LAMP已经与J2EE和.Net商业软件形成三足鼎立之势，并且该软件开发的项目在软件方面的投资成本较低，因此受到整

2018-01-06 18:03:03 1177