深度学习
文章平均质量分 84
Shuaiiiiiii
Automotive Data Technology,Machine Learning,Algorithm
展开
-
【caffe学习笔记之4】利用MATLAB接口运行cifar数据集
【前期准备工作】参考上篇帖子:1. 确保模型训练成功,生成模型文件:cifar10_quick_iter_4000.caffemodel及均值文件:mean.binaryproto2. 在caffe-master\matlab路径下新建cifar文件夹用于案例调试3. 拷贝classification_demo.m文件到cifar文件夹下,并更名为classification_ci原创 2017-01-01 21:58:58 · 3090 阅读 · 2 评论 -
【caffe学习笔记之3】cifar10数据集简介及win10+caffe环境下运行cifar实例
参照http://blog.csdn.net/lance313/article/details/53857156帖子,使用Debug模式进行编译,则在caffe-master/build/x64/debug文件夹下生成诸多可执行文件。此处应注意的是,一定是在debug模式下编译,否则该文件夹下将没有这些文件:然后将该文件路径加入path中:【cifar数据集介绍】Cifar-1原创 2017-01-01 10:24:52 · 2990 阅读 · 0 评论 -
【caffe 学习笔记之2】 Win10系统下Caffe的Matlab接口设置方法与猫狗识别案例(哈士奇/松狮/波斯猫)
上篇博客介绍了win10系统下caffe的 CPU/GPU配置模式,caffe支持matlab和python接口。使用matlab已经七八年了,从2009a一直用到现在,感情颇深,因此先来介绍matlab与caffe的接口设置方法。【Matlab的安装】Matlab版本选择最好为2014b及以上,本例Matlab使用的是2015b版本,软件下载及安装请参考http://jingyan.ba原创 2016-12-24 15:37:39 · 2550 阅读 · 2 评论 -
【caffe 学习笔记之1】 WIN10+VS2013+CUDA7.5下CPU/GPU caffe配置
【前言】从开始配置到最后成功,前前后后经过了3天,不可谓坑不多,其中最大的坑,是把 true 硬拼成了 ture !! 立贴以铭记【前期配置】计算机:win10 64位系统VS2013:网上下载一个2.8G左右的安装包,安装基础功能即可caffe安装包:本例使用的是微软的配置的文件caffe-master,下载地址https://github.com/Microsoft/caffe原创 2016-12-24 10:55:29 · 1589 阅读 · 1 评论 -
卷积神经网络的基础知识及应用——识别、检测、分割
本文转载自 http://blog.csdn.net/myarrow/article/details/51878004;源作者:MyArrow. 卷积神经网络的基础知识及应用——识别、检测、分割转载 2017-01-16 15:58:03 · 9187 阅读 · 0 评论 -
【caffe学习笔记之6】caffe-matlab/python训练LeNet模型并应用于mnist数据集(1)
【案例介绍】LeNet模型是一个用来识别手写数字的最经典的卷积神经网络,是Yann LeCun在1998年设计并提出的,是早期卷积神经网络中最有代表性的实验系统之一,其论文是CNN领域第一篇经典之作。本篇博客详细介绍基于Matlab、Python训练lenet手写模型的案例,作为前几次caffe深度学习框架的阶段性总结。【数据准备】数据下载地址:http://yann.lecun.co原创 2017-01-08 12:55:34 · 1780 阅读 · 0 评论 -
【caffe学习笔记之7】caffe-matlab/python训练LeNet模型并应用于mnist数据集(2)
【案例介绍】LeNet网络模型是一个用来识别手写数字的最经典的卷积神经网络,是Yann LeCun在1998年设计并提出的,是早期卷积神经网络中最有代表性的实验系统之一,其论文是CNN领域第一篇经典之作。本篇博客详细介绍基于Matlab、Python训练lenet手写模型的案例,作为前几次caffe深度学习框架的阶段性总结。【生成均值文件】接上回,mnist数据集生成lev原创 2017-01-11 22:23:27 · 1767 阅读 · 0 评论 -
【caffe学习笔记之8】Caffe运行Faster-RCNN算法实现目标检测(1)
【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原创 2017-01-18 17:04:47 · 3091 阅读 · 0 评论