- 博客(6)
- 收藏
- 关注
原创 物体检测框架RON的shufflenet实现
一。修改caffe源码1.shuffle_channel_layer.cpp2.shuffle_channel_layer.cu3.shuffle_channel_layer.hpp4.conv_dw_layer.cpp5.conv_dw_layer.cu6.conv_dw_layer.hpp文件下载:百度网盘将cpp和cu文件放在caffe-path/src/caffe/la...
2018-01-19 16:00:15 1069
原创 物体检测框架RON实现mobilenet(基于caffe)
一.有关物体检测框架RON的详情请参阅作者的github:点击打开链接RON: Reverse Connection with Objectness Prior Networks for Object Detection CVPR2017 这里仅实现RON+mobilenetmobilenet预训练模型截取 我选的预训练模型来自点击打开链接
2018-01-11 10:50:58 1144 2
原创 基于imagenet和coco,voc联合数据的yolo9000训练
1.yolo9000训练时,loss分为两种,遇到分类数据时只传递分类损失,不传bbox损失。遇到检测数据时,传递全部损失。2.检测数据预处理过程跟yolov2一样3.分类数据预处理过程跟检测数据类似,label的类别不变,只是bbox的框坐标全部设置为0一.分类数据预处理(Imagenet)准备9000类label文件9k.labels和imagenet_9k_list.
2018-01-03 16:29:37 2742 2
原创 ImportError: libcaffe.so.1.0.0: cannot open shared object file: No such file or directory
1.找出libcaffe所在位置locate libcaffe.so.1.0.02.将libcaffe所在路径加入到环境变量sudo vim ~/.bashrcexport LD_LIBRARY_PATH=/home/wangshun/caffe/.build_release/lib:$LD_LIBRARY_PATHsource ~/.bashrc
2017-11-16 13:49:04 7422
原创 基于darknet框架的imagenet数据分类预训练
最近一段时间一直在研究yolo物体检测,基于网络上很少有yolo的分类预训练和yolo9000的联合数据的训练方法,经过本人的真实实验,对这两个部分做一个整理(本篇介绍yolo的分类预训练)数据准备 1000类的Imagenet图片数据 因为Imagenet不同的类别数据都是单独放在一个文件夹中,并且有特定的命名,如‘n00020287’,所以在做分类时我们不需要去制作特定的标签,只要训
2017-11-02 10:03:15 5536 6
原创 Hadoop大数据平台搭建与环境配置
Hadoop完全分布式平台搭建:集群机器三台机器:一个作为master,另外两个作为slave1。分别执行ifconfig命令获取每台机器的IP地址2。执行sudo vim /etc/hostname修改主机名,主机修改为master,另外两个分别修改为slave1,slave2。当然这只是为了方便,其实也可以不用修改3。三台机器分别执行sudo v
2017-09-13 14:35:36 974
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人