- 博客(23)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 Caffe学习（四）数据层及参数设置
caffe的各种数据层在caffe.proto文件中有定义。通过对定义的caffe.proto文件进行编译，产生支持各种层操作的c++代码。后面将会详细解读caffe.proto文件（在caffe里就是当做一个自动代码生成工具来用）。本文主要介绍caffe可以读入数据的各种格式，方便后面采用caffe训练自己的数据数据的来源主要有以下几种：（1）高效的数据库（LevelDB或者LMDB）（2）内存...
2018-05-30 22:42:07
873
转载 FastRCNN 训练自己数据集（二）——修改读写接口
这里楼主讲解了如何修改Fast RCNN训练自己的数据集，首先请确保你已经安装好了Fast RCNN的环境，具体的编配编制操作请参考我的上一篇文章。首先可以看到fast rcnn的工程目录下有个Lib目录这里下面存在3个目录分别是：datasetsfast_rcnnroi_data_layerutils在这里修改读写数据的接口主要是datasets目录下，fast_rcnn下面主要存放的是Pyth...
2018-05-23 22:26:27
975
转载 什么是hard negative mining
最近一直在看关于CNN的目标检测和跟踪的文章，在这中间会经常看到hard negative mining这个名词，把这个大概解释一下：假设给你一堆包含一个或多个人物的图片，并且每一个人都给你一个bounding box做标记，如果要训练一个分类器去做分类的话，你的分类器需要既包含正训练样本（人）和负训练样本（背景）。你通过观察bounding box去创建一个有用的正训练样本，那么怎么做才能创建一...
2018-05-23 22:15:55
753
转载 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 ...
2018-05-23 22:13:55
747
转载 Faster rcnn相关文章研究
一、效果简介1 多类目标检测，基于VOC2012数据集 MAC :The number of adds andmultiplications mAP:Mean average precision GPU：NVIDIA Titan X 我们目前的人脸检测模型是：Faster R-CNN + VGG_CNN_M_1024,即VGG-16的简化版。注...
2018-05-23 22:12:28
310
转载 计算机视觉识别简史：从 AlexNet、ResNet 到 Mask RCNN
最近，物体识别已经成为计算机视觉和 AI 最令人激动的领域之一。即时地识别出场景中所有的物体的能力似乎已经不再是秘密。随着卷积神经网络架构的发展，以及大型训练数据集和高级计算技术的支持，计算机现在可以在某些特定设置（例如人脸识别）的任务中超越人类的识别能力。我感觉每当计算机视觉识别方面有什么惊人的突破发生了，都得有人再讲一遍是怎么回事。这就是我做这个图表的原因。它试...
2018-05-23 22:09:56
420
转载 COCO 数据集
COCO简介：COCO数据集是微软团队获取的一个可以用来图像recognition+segmentation+captioning 数据集.官方说明网址：http://mscoco.org/。 该数据集主要有的特点如下：（1）Object segmentation;（2）Recognition in Context;（3）Multiple objects per i...
2018-05-23 22:00:35
1750
转载 PASCAL VOC 数据集
PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集，从2005年到2012年每年都会举行一场图像识别challenge。下载地址为：点击打开链接。下载完之后解压，可以在VOCdevkit目录下的VOC2012中看到如下的文件：其中在图像物体识别上着重需要了解的是Annotations、ImageSets和JPEGImages。①JPEGImages...
2018-05-23 21:58:41
539
转载 Imagenet数据集
MNIST将初学者领进了深度学习领域，而Imagenet数据集对深度学习的浪潮起了巨大的推动作用。深度学习领域大牛Hinton在2012年发表的论文《ImageNet Classification with Deep Convolutional Neural Networks》在计算机视觉领域带来了一场“革命”，此论文的工作正是基于Imagenet数据集。Imagenet数据集有1400多...
2018-05-23 21:54:59
4290
转载 ResNet解析
ResNet在2015年被提出，在ImageNet比赛classification任务上获得第一名，因为它“简单与实用”并存，之后很多方法都建立在ResNet50或者ResNet101的基础上完成的，检测，分割，识别等领域都纷纷使用ResNet，Alpha zero也使用了ResNet，所以可见ResNet确实很好用。 下面我们从实用的角度去看看ResNet。1.ResNet意义随着网络的加深，出...
2018-05-23 21:51:35
357
转载 Detection物体检测及分类方法总结（RFCN/SSD/RCNN/FastRCNN/FasterRCNN/SPPNet/DPM/OverFeat/YOLO）
这里搜集了一些关于物体检测的方法分析和介绍，看好哪个可以去详细研究一下，基本都有论文或代码的链接。这里是简述各种方法，下面有详细叙述方法选择：========DPM=========使用传统的slider window的方法 计算量非常大========OverFeat====改进了Alex-net，并用图像缩放和滑窗方法在test数据集上测试网络；提出了一种图像定位的方法；最后通过一个卷积网络来...
2018-05-12 17:11:38
1011
转载 详细解释CNN卷积神经网络各层的参数和链接个数的计算
卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。 图：卷积神经网络的概念示范：输入图像通过和三个可训练的滤波器和可加偏置进行卷积，滤波过程如图一，卷积后在C1层产生三个特征映射图，然后特征映射图中每组的四个像素再进行求和，加权值，加偏置，通过一个Sigmoid函数得到三个S2层的特征映射图。这些映射图再进过滤波得到C3层。这个层级结构再和S2一...
2018-05-12 17:04:34
17522
7
转载 Very Deep Convolutional Networks for Large-Scale Image Recognition
1. 主要贡献本文探究了参数总数基本不变的情况下，CNN随着层数的增加，其效果的变化。(thorough evaluation of networks of increasing depth using an architecture with very small (3×3) convolution filters, which shows that a significant improvem...
2018-05-12 17:00:38
505
转载 MSRA instance-aware semantic segmentation的思路线
最近从semantic segmentation坑又跳入了instance-aware semantic segmentation坑，发现在后面这个坑里挖掘的时候一个叫做Jifeng Dai的来自MSRA的人非常高产，连着刷新MSCOCO PASCAL等数据集成为state-of-the-art，所以我就想把这个人相关的几篇paper整理一下，其中的思路发展非常有意思~一共涉及到的思路相关的几篇，...
2018-05-12 16:53:26
273
转载 pva-faster-rcnn配置安装及训练自己的数据集
继fasterrcnn后，又一个pva-fasterrcnn的配置教程，希望可以帮助大家。注意：有些复制的终端命令如果不能在终端运行，请注意英文全角半角问题，可以将命令输入终端，无须复制粘贴命令第一部分：下载并编译pvanet1、终端输入：git clone --recursive https://github.com/sanghoon/pva-faster-rcnn.git2、建立Cython模...
2018-05-11 23:09:00
395
转载 caffe 练习2用自己的数据集在ImageNet 测试
目的：使用自己的数据集，使用caffe自带的ImageNet网络结构，训练测试参考官网链接：http://caffe.berkeleyvision.org/gathered/examples/imagenet.html我自己准备的数据集：http://pan.baidu.com/s/1o60802I我们的数据集图片分10个类，每个类有100个train图片（train文件夹下，一共1000），20...
2018-05-11 22:57:21
450
转载 CNN浅析和历年ImageNet冠军模型解析
今天在这里我给大家讲解一些深度学习中卷积神经网络的原理和一些经典的网络结构。卷积神经网络原理浅析卷积神经网络(Convolutional Neural Network，CNN)最初是为解决图像识别等问题设计的，当然其现在的应用不仅限于图像和视频，也可用于时间序列信号，比如音频信号、文本数据等。在早期的图像识别研究中，最大的挑战是如何组织特征，因为图像数据不像其他类型的数据那样可以通过人工理解来提取...
2018-05-11 22:44:17
2836
转载 详解 ROI Align 的基本原理和实现细节
ROI Align 是在Mask-RCNN这篇论文里提出的一种区域特征聚集方式, 很好地解决了ROI Pooling操作中两次量化造成的区域不匹配(mis-alignment)的问题。实验显示，在检测测任务中将 ROI Pooling 替换为 ROI Align 可以提升检测模型的准确性。1. ROI Pooling 的局限性分析在常见的两级检测框架（比如Fast-RCNN，Faster-RCNN...
2018-05-11 22:33:50
8952
转载 ROI Align 在 R-FCN 中的推广：PSROI-Align（附代码）
1. Position Sensitive ROI-Pooling 简介 Position Sensitive ROI Pooling（位置敏感的候选区域池化）是检测框架R-FCN的主要创新点。一般来讲，网络越深，其具有的平移旋转不变性越强，这个性质对于保证分类模型的鲁棒性有积极意义。然而，在检测问题中，对物体的定位任务要求模型对位置信息有良好的感知能力，过度的平移旋转不变性会削弱这一性能。研究...
2018-05-11 22:28:21
3996
转载 论文笔记 R-FCN: Object Detection via Region-based Fully Convolutional Networks
arxiv上的一篇新论文，出自MSRA，目前还没有发表，今天刚读完，文章的缺点还要想一想，有空更新。原文链接：点击打开链接本文是基于region based framework的一种新的detection方法，主要目的是通过移除最后的fc层进行加速。同时通过本篇论文，很好的将RCNN，fast rcnn进行了一个general的总结。本文目前是Pascal voc上面速度和performance结...
2018-05-11 22:24:55
192
转载 论文笔记 OHEM: Training Region-based Object Detectors with Online Hard Example Mining
CVPR2016的文章，CMU与rbg大神的合作。原谅我一直没有对这篇文章做一个笔记~~文章提出了一种通过online hard example mining（OHEM）算法训练基于区域的卷积检测算子的高效目标检测算法，能够对简单样本和一些小数量样本进行抑制，使得训练过程更加高效。该方法利用显著的bootstrapping技术（SVM中被普遍利用），对SGD算法进行一定的修改，使得原有的regio...
2018-05-11 22:17:48
328
转载 Python多进程编程
阅读目录1. Process2. Lock3. Semaphore4. Event5. Queue6. Pipe7. Pool序. multiprocessingpython中的多线程其实并不是真正的多线程，如果想要充分地使用多核CPU的资源，在python中大部分情况需要使用多进程。Python提供了非常好用的多进程包multiprocessing，只需要定义一个函数，Python会完成其他所有...
2018-05-11 22:10:13
144
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人