DeepLearning
文章平均质量分 63
lemianli
专注
展开
-
caffe 使能python接口使用draw_net.py绘制网络结构图过程
前一章很不容易把python接口配置好了,接下来做测试,绘制网络结构图。又遇到各种奇葩问题。绘制命令如下:python draw_net.py deploy.prototxt net.bmp --rankdir=BTdraw_net.py执行的时候带三个参数 第一个参数:网络模型的prototxt文件 第二个参数:保存的图片路径及名字 第三个参数:–rankd原创 2016-11-04 14:53:12 · 6298 阅读 · 0 评论 -
Caffe fine-tuning 微调网络
目前呢,caffe,theano,torch是当下比较流行的Deep Learning的深度学习框架,楼主最近也在做一些与此相关的事情。在这里,我主要介绍一下如何在Caffe上微调网络,适应我们自己特定的新任务。一般来说我们自己需要做的方向,比如在一些特定的领域的识别分类中,我们很难拿到大量的数据。因为像在ImageNet上毕竟是一个千万级的图像数据库,通常我们可能只能拿到几千张或者几万张某一特定转载 2016-11-18 20:06:17 · 447 阅读 · 0 评论 -
用反卷积(Deconvnet)可视化理解卷积神经网络
可视化理解卷积神经网络原文地址:http://blog.csdn.net/hjimce/article/details/50544370作者:hjimce一、相关理论本篇博文主要讲解2014年ECCV上的一篇经典文献:《Visualizing and Understanding Convolutional Networks》,可以说是CNN领域可视化理解转载 2016-11-15 15:42:37 · 43037 阅读 · 5 评论 -
Tensorflow Anaconda4.2 Cudnn
电脑软硬件配置 Gtx1070+CUDA8.0+Cudnn6.1 软件 Anaconda 4.2.0 +opencv3.2 +python3.5 (Python 2.7)几个问题一:关于Anaconda 的使用总结windows上用的tensorflow是依赖于python3.5,因此在linux下也配的3.5 一、 在Anaconda官网上下载原创 2017-06-30 10:03:02 · 3056 阅读 · 0 评论 -
Ubuntu16.04+Cuda8.0+Cudnn5.1+Opencv3.1吐血安装
Cuda驱动安装第一步:下载驱动http://www.geforce.cn/drivershttp://www.nvidia.com/Download/index.aspx?lang=cn第二步:给驱动run文件赋予权限(具体驱动名称根据自己下载的来)sudo chmod a+x NVIDIA-Linux-x86_64-375.20.run 第三步:将集成的开源驱动加入原创 2017-08-04 16:05:15 · 3739 阅读 · 1 评论 -
Anaconda+Opencv+Tensorflow安装 (Ubuntu/Windows) (cpu/gpu)
安装Anaconda 4.2 + OpenCV 3.11. 下载并安装Anaconda4.2.0 所有的Anaconda版本,Linux选Anaconda3-4.2.0-Linux-x86_64.shWindows选Anaconda3-4.2.0-Windows-x86_64.exe注意系统是64位,Tensorflow只支持windows64位。(https://mirror原创 2017-08-04 16:16:57 · 5615 阅读 · 0 评论 -
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation 视频语义分割
先进入到https://github.com/TimoSaemann/caffe-segnet-cudnn5,下载caffe-segnet-cudnn5-master.zip再进入到https://github.com/alexgkendall/SegNet-Tutorial 再下载SegNet-Tutorial-master.zip准备工作:1.先准备opencv,我测试的是o...原创 2017-08-04 16:23:35 · 5479 阅读 · 1 评论 -
A Real-Time Multi-Person Keypoint Detection 实时姿态检测
下载网址:https://github.com/CMU-Perceptual-Computing-Lab/caffe_rtpose参考网址:https://github.com/CMU-Perceptual-Computing-Lab/openposehttps://github.com/CMU-Perceptual-Computing-Lab/openpose/blob/master/d...原创 2017-08-04 16:25:41 · 7062 阅读 · 1 评论 -
深度神经网络模型压缩
“本文介绍的论文全面概述了深度神经网络的压缩方法,主要可分为参数修剪与共享、低秩分解、迁移/压缩卷积滤波器和知识精炼,本论文对每一类方法的性能、相关应用、优势和缺陷等进行独到的分析。” 大型神经网络具有大量的层级与结点,因此考虑如何减少它们所需要的内存与计算量就显得极为重要,特别是对于在线学习和增量学习等实时应用。此外,近来智能可穿戴设备的流行也为研究员提供了在资源(内存、CPU、能...转载 2018-07-31 15:55:25 · 1791 阅读 · 0 评论 -
Check failed: error == cudaSuccess (8 vs. 0) invalid device function
你的显卡可能会欺骗你;先查看你的显卡,再在在CUDA的安装目录下有CUDA Samples ,在对应的1_Utilities 文件夹下面有个 deviceQuery 程序,运行之后应该就会得到显卡的相关信息了。比如我的显卡是GTX750 Ti,网上查的计算能力为5.0,而实际它的capbility仅有2.1,所以在修改commonSettings时要改成compute_20,sm_20;最原创 2016-11-02 10:54:31 · 4286 阅读 · 1 评论 -
caffe study之AlexNet
《ImageNet Classification with Deep Convolutional Neural Networks》下面来看一下AlexNet的结构。在Alex的论文中,其基本结构为1. 基本结构a. 共有8层,其中前5层convolutional,后边3层full-connected ,最后的一个full-connected层的output是具有1000个输原创 2016-11-16 17:13:38 · 660 阅读 · 0 评论 -
教你如何读懂卷积神经网络(CNN)
自今年七月份以来,一直在实验室负责卷积神经网络(Convolutional Neural Network,CNN),期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用,特写此博文,以其与人交流,互有增益。正文之前,先说几点自己对于CNN的感触。先明确一点就是,Deep Learning是全部深度学习算法的总称,CNN是深度学习算法在图像处转载 2016-11-16 17:25:44 · 7932 阅读 · 0 评论 -
caffe-windows配置python和matlab接口
折腾了几天,终于编译配置Python和Matlab接口成功了,现分享给大家。每次编译会花约一个小时的时间,所以一些小细节没注意,时间就耗费了,在直接使用github提供的caffe-master包时,配置编译Python和Matlab接口报了各种错误,编译一次,去网上找解决方案,这里也将编译过程中遇到的问题以及解决方案给大家,避免少走一些弯路。1.先去https://github.com/原创 2016-11-04 09:46:54 · 3729 阅读 · 4 评论 -
Windows下Caffe用已有模型分类
第一步:如图将这几个文件找到,放到一个文件夹中,这些都是可以在网上找到。第二步:进入到相应的XX/Build/x64/Release,新建一个classification.bat文件,写入classification.exe E:\My_study\caffe\caffe-master\models\bvlc_reference_caffenet\deploy.prototxt E:\My_s原创 2016-10-29 19:59:14 · 1432 阅读 · 0 评论 -
caffe报错集锦
F0519 14:54:12.494139 14504 layer_factory.hpp:77] Check failed: registry.count(t ype) == 1 (0 vs. 1) Unknown layer type: Input (known types: Input )解决方案 #include "caffe/common.hpp"#include "原创 2016-10-29 20:04:27 · 622 阅读 · 0 评论 -
深度学习与计算机视觉
目录(?)[-]众星捧月的深度学习前深度学习时代的计算机视觉几个半成功例子仿生学角度看深度学习卷积的概念操作的实例LeNet网络压在骆驼身上的最后一根稻草为什么时隔20年卷土重来深度学习在视觉上的应用人脸识别图片问答问题物体检测问题Region CNNFaster R-CNN方法SSD物体跟踪基于嵌入式系统的深度学习人工智能是人类一个非常美好的梦想,跟星际漫游和长生转载 2016-11-11 16:13:24 · 2728 阅读 · 0 评论 -
CNN+Depth estimation
1 - AlexNet 和 VGG-NetCVPR 2015 基本是 “the year of deep learning”,有大概70%的文章是关于deep learning的。大会请来了2位 keynote speakers: 计算机学家 Yann LuCun (NYU, Facebook) 和 心理学家、神经学家 Jack Gallan (Berkeley)。 Yann是公认的 Co原创 2016-11-16 14:23:13 · 3513 阅读 · 0 评论 -
caffe study-数据结构
1. 结构的生成:caffe的基本结构是采用google的proto库自动生成的,基本流程就是定义一个配置文件,扩展名为proto,调用proto库的编译器编译这个文件可以生成相应的类的c++的代码。具体的可以参见proto库的介绍。下面来介绍caffe中用到的一些结构2.Blob结构:a. blob是一个标准的Array,主要负责caffe中数据的存储(stores)原创 2016-11-16 16:25:53 · 476 阅读 · 0 评论 -
深度学习相关资料
一、学习清单1、综合类(1)收集了各种最新最经典的文献,神经网络的资源列表:https://github.com/robertsdionne/neural-network-papers 里面包含了深度学习领域经典、以及最新最牛逼的算法,如果把这个列表学过一遍,基本已然达到了大神级别。(2)机器学习学习清单:https://github.com/ujjwalkarn/M转载 2016-11-16 17:24:00 · 471 阅读 · 0 评论 -
运动目标跟踪算法
运动目标跟踪是视频监控系统中不可缺少的环节。在特定的场景中,有一些经典的算法可以实现比较好的目标跟踪效果。本文介绍了一般的目标跟踪算法,对几个常用的算法进行对比,并详细介绍了粒子滤波算法和基于轮廓的目标跟踪算法。最后简单介绍了目标遮挡的处理、多摄像头目标跟踪和摄像头运动下的目标跟踪。一、一般的目标跟踪算法 一般将目标跟踪分为两个部分:特征提取、目标跟踪算法。其中提取的目标特征大致可以分...原创 2019-02-17 12:53:17 · 16775 阅读 · 0 评论