深度学习Caffe实战笔记（21）Windows平台 Faster-RCNN 训练好的模型测试数据

最新推荐文章于 2022-04-10 23:17:59 发布
最新推荐文章于 2022-04-10 23:17:59 发布
阅读量3.1k 收藏 3
点赞数
分类专栏： caffe-深度学习 文章标签： windows 深度学习 RCNN
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/gybheroin/article/details/72602217
版权
本文档详细阐述了如何在Windows上使用Faster-RCNN训练模型进行测试数据验证。首先，介绍了训练模型的存放位置，并将脚本文件移动到相应目录。其次，对detection_test.prototxt协议文件进行修改，删除不必要的层并更新输入数据配置。最后，运行MATLAB脚本script_faster_rcnn_demo.m，展示了即使样本量少，测试结果仍然令人满意。
摘要由CSDN通过智能技术生成

前一篇博客介绍了如何利用Faster-RCNN训练自己的数据集，训练好会得到一个模型，这篇博客介绍如何利用训练好的模型进行测试数据。

1、训练好的模型存放位置
训练好的模型存放在faster_rcnn-master\output\faster_rcnn_final\faster_rcnn_VOC2007_ZF，把script_faster_rcnn_demo.m文件拷贝到faster_rcnn-master文件夹下，然后把模型路径改成训练好的模型路径

model_dir                   = fullfile(pwd, 'output', 'faster_rcnn_final', 'faster_rcnn_VOC0712_ZF');

2、修改协议文件
打开faster_rcnn-master\output\faster_rcnn_final\faster_rcnn_VOC2007_ZF\detection_test.prototxt
把relu5包括relu5以前的层都删除，
把input data修改为如下：

input: "data"
inpu
最低0.47元/天 解锁文章
蒲衣翁
关注
专栏目录
深度学习Caffe实战笔记（19）Windows平台 Faster-RCNN 制作自己的数据集
gybheroin的博客
05-20 5116
万里长征第一步，就是要制作自己的数据集，过程还是比较繁琐的，特别是标注的过程，这篇博客先介绍如果制作voc2007自己的数据集用于faster-rcnn训练，下一篇博客介绍如何用faster-rcnn训练自己的数据。1、准备图像 图像要用.jpg或者jpeg格式的，如果是png或者其它格式，自己转换一下就好，图像名称要用000001.jpg，只有和VOC2007数据集图像名称一致，才能最大限度的
Caffe: Faster RCNN训练模型(Windows)
灰羽的博客
07-13 2446
用自己数据训练faster rcnn，windows版
Faster RCNN训练过程、训练结果展示
kui9702的博客
04-10 4511
Faster RCNN 目标检测有2种，一种是one stage目标检测，比如YOLO，SSD，Retina-Net；另外一种是two stage，比如RCNN家族，SPP net等。 YOLO v3项目文章： https://blog.csdn.net/kui9702/article/details/122954209 https://blog.csdn.net/kui9702/article/details/123140249 https://blog.csdn.net/kui9702/article
windows+caffe+faster rcnn 用自己的数据集训练模型总结
wwy
07-13 388
本文主要参考这两篇博客： 1、https://blog.csdn.net/weixin_38715903/article/details/81077326 2、https://blog.csdn.net/LOVE1055259415/article/details/79047309 预训练模型下载链接：https://pan.baidu.com/s/1XCweY6GLt0HmPlrzXcjV...
已经训练好的多个模型，
09-20
已经训练好的多个模型，有时候可以多看看，当然也可以下载
facenet官方训练好的模型
06-20
谷 歌 官 方 训 练 好 的 模 型，可 以 直 接 使 用，
深度学习Caffe实战笔记（20）Windows平台 Faster-RCNN 训练自己的数据集
gybheroin的博客
05-21 4997
昨天晚上博主干到12点多，终于用了一晚上时间搞定了Faster-Rcnn训练自己的数据集，这篇博客介绍如何用faster_rcnn训练自己的数据集，前提是已经准备好了自己的数据和配置好了faster-rcnn的环境。 制作数据集教程：http://blog.csdn.net/gybheroin/article/details/72581318 环境配置教程：http://blog.csdn.ne
深度学习Caffe实战笔记（18）Windows平台 Faster-RCNN 环境配置
gybheroin的博客
05-17 4411
好久不写博客了，因为前一段时间博主身体抱恙，感触颇多。。。。。。都说windows平台做caffe和tensorflow坑多，博主没有太多优点，唯独的一个优点就是不服输，Windows平台虽然坑多，但是填坑也是蛮有意思的一件事情。另外，在Siamese网络训练自己的数据那个博客，经过高人点评，有些不太完善的地方，具体的信息请看那篇博客的一个长评论。劳动节的时候帮一个师妹配置caffe，她说要做RCN
【caffe学习笔记之8】Caffe运行Faster-RCNN算法实现目标检测(1)
汽车数据技术前瞻
01-18 3098
【Faster-RCNN算法】        Faster R-CNN（其中R对应于“Region(区域)” ）是基于深度学习R-CNN系列目标检测最好的方法。使用VOC2007+2012训练集训练，VOC2007测试集测试mAP达到73.2%，目标检测的速度可以达到每秒5帧。技术上将RPN网络和Fast R-CNN网络结合到了一起，将RPN获取到的proposal直接连到ROI pooling
保存faster-rcnn的检测结果
weixin_39970417的博客
09-04 2476
为了分析faster-Rcnn的测试结果，需要先将测试结果保存起来，效果如下： （图片名 类别 bbox坐标） 代码如下： #!/usr/bin/env python # -------------------------------------------------------- # Faster R-CNN # Copyright (c) 2015 Microsoft # L...
python3下faster-rcnn-tensorflow的结果展示二
lj19940110的博客
09-13 1243
书接上文，在经过训练后，模型会被保存在default中，需要把它移动到output文件夹下，具体路径如图所示 这里要注意，程序中原本的训练最大迭代次数为40000，而demo.py中读取的是迭代次数为70000的结果，我们修改后执行demo.py，当然也可以修改最大迭代次数，不过这个要在训练之前修改。 具体修改文件位置是： 修改最大迭代次数：lib/config/config.py中的t...
faster rcnn文件夹说明
u012841667的专栏
04-07 5247
1、tools文件夹 （1）_init_paths.py 用来初始化路径的，也就是之后的路径会join（path，*） （2）compress_net.py 用来压缩参数的，使用了SVD来进行压缩，这里可以发现，作者对于fc6层和fc7层进行了压缩，也就是两个全连接层。 （3）demo.py 通常，我们会直接调用这个函数，如果要测试自己的模型和数据，这里需要修改。这里调用了fast_r
faster rcnn的测试
生如蚁，美如神
11-13 1325
当训练结束后，faster rcnn的模型保存在在py-faster-rcnn/output目录下，这时就可以用已有的模型对新的数据进行测试。 下面简要说一下测试流程。 测试的主要代码是./tools/test_net.py，并且使用到了fast_rcnn中test.py。   主要流程就是： 1. 读取imdb，主要就是测试数据的位置等信息。 2.   然后循环读取图片
faster rcnn 训练
u011783201的博客
08-11 446
配置按照官网的历程就可以，注意我编译的时候找不到各种依赖库的so文件，我自己安装了anaconda,当初安装时为了方便，没想到和自身带的python,也许路径或者变量没整好，导致依赖库总是找不到，后来卸载了anaconda才可以。 训练：按照官网就可以 总结一些问题：所有操作命令都在faster_rcnn的根目录下执行！！！ 1.安装easydict 2.找不到cv2  .将opencv的
Caffe学习系列——Faster-RCNN训练自己的数据集
热门推荐
CV_adventurer的博客
05-29 3万+
2016-10-23 Deep Learning►Caffe Caffe学习系列——6使用Faster-RCNN进行目标检测 Contents 1. 配置与运行Demo 1.1. 1.配置、编译与安装环境1.2. 2.运行demo1.3. 3.训练PASCAL VOC 2007的数据集1.4. 4.遇到的问题 2. 使用Faster-RCNN训
windows下使用自己制作的数据集训练faster-rcnn（tensorflow版）用于目标检测
把岁月化成歌 留在博客
01-10 1万+
步骤一 下载配置windows下tensorflow版faster-rcnn，参考博客： windows10下运行tensorflow版的faster-Rcnn 步骤二 制作自己的数据集参考博客：http://blog.csdn.net/u011574296/article/details/78953681 步骤三 用你的Annotations，ImagesSets和JPEGIm
在Windows系统下，用faster-RCNN进行模型训练
Angela_qin的博客
03-05 4740
一、图片标注程序1:（实用性不高）下载地址：http://download.csdn.net/download/sinat_30071459/9573982参考网址：http://blog.csdn.net/sinat_30071459/article/details/50723212使用方法:代码已经封装成DLL，你只需要打开项目，将图像路径修改成你的即可。（我用的VS为2013）。生成的txt...
关于Faster R-CNN 算法训练自己数据集的一波三折 -Windows + caffe
weixin_38715903的博客
07-17 4173
我在Windows下训练自己数据集时遇到了很严重的问题，明明训练的loss收敛的很漂亮，但是检测出来的结果要么是mAP很低不超过0.5，要么就是所有的mAP一直为同一个非常低的值。 针对这个问题，我曾经以为： 1）用Python3导致与Faster R-CNN的版本不一致，没有用！！ 2） 数据集质量不高：数量太少，图片分辨率不够，图片大小不符合要求，也是没有用！！ 3）clone to ...
Ubuntu16.04配置py-faster-rcnn环境指南
在Ubuntu 16.04环境下配置Py-Faster-RCNN，这是一款基于深度学习的实时物体检测框架，由Ross Girshick开发。配置过程中，首先需要从GitHub克隆项目仓库，确保使用`--recursive`选项以获取所有子模块： ```shell git...
评论 4
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