R-CNN (region-cnn)以及caffe 0.999的编译问题

最新推荐文章于 2020-08-16 17:43:09 发布
最新推荐文章于 2020-08-16 17:43:09 发布
阅读量227 收藏
点赞数
分类专栏： 计算机视觉 机器学习 深度学习
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/lhaof/article/details/83688194
版权

编译运行rcnn的代码，需要安装caffe-0.999，这是个很古老的库了。下面记录一下几个坑：

1.请安装matlab-R2013a，安装R2012应该也可以，但是安装更新的版本，比如R2015b，就不行，R2014也有人出问题。

2.google-protobuf使用2.5.0，新版本可能出问题。

3.cuda不能使用9.0或以上版本，本人使用8.0没问题，更旧的版本可能也行。

本人的运行配置是:

1080ti，ubuntu16，cuda-8.0，opencv3，protobuf2.5.0，matlab-R2013a。

lhaof
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Region-based CNN(简称R-CNN)
qq_25178609的博客
03-08 7163
目前最先进的detection方法应该是Region-based CNN(简称R-CNN)【1】，是由Jeff Donahue和Ross Girshick提出的。R-CNN的具体想法是，将detection分为寻找object和识别object两个过程。在第一步寻找object，可以利用很多region detection算法，譬如selective search，CPMC，objectnes
R-CNN（Region-based Convolutional Neural Network）论文解读
AlisaZqq
05-20 2912
R-CNN论文解读目录一、预备知识（0）PASCAL VOC（一）SIFT（二）HOG二、使用R-CNN进行目标检测（一）系统构成 目录 一、预备知识 （0）PASCAL VOC 网址：http://host.robots.ox.ac.uk/pascal/VOC/ （一）SIFT 尺度不变特征转换(Scale-invariant feature transform或SIFT) 是一种电脑视觉的算法...
R-CNN（Region-CNN）、Fast R-CNN、Faster R-CNN学习笔记
biubiusion的博客
05-16 1067
R-CNN 是伴随着目标检测技术提出的一种模型； 目标检测要解决的问题是：找出物体的位置、判断是什么物体； 目标检测算法分为3类： 传统的目标检测算法，如 HOG+SVM 等； 候选区域+深度学习分类算法，如 R-CNN、Fast R-CNN 等； 基于深度学习的回归方法，如 YOLO、SSD 等。 传统目标检测算法存在的问题： 滑动窗口的区域选择没有针对性，时间的复杂度高，窗口冗余量大； 手工设计的特征对于多样性的变化没有很好的鲁棒性。 为了优化上述问题，提出了 R-CNN：预先找到目标
（太长太全面了）CNN超详细介绍
qq_43703185的博客
08-10 2万+
原文链接：https://blog.csdn.net/jiaoyangwm/article/details/80011656 文章目录1、卷积神经网络的概念2、
目标检测算法（一）——R-CNN
封狼居胥
07-16 1134
一）简介   RCNN的全称是Region-CNN，是第一个成功将深度学习应用在目标检测上的算法，作者Ross Girshick多次在PASCAL VOC的目标检测竞赛中折桂，2010年更带领团队获得终身成就奖。后续的Fast R-CNN、Faster R-CNN都是建立在RCNN上的。 二）R-CNN介绍   R-CNN遵循传统目标检测的思路，同样采取提取框、对每个框提取特征、图像分类、非极大值...
faster-cnn-caffemodel.part2.rar
11-13
这个是faster rcnn caffemodel 一共8个部分，有两个文件放在同个文件夹下解压 ，解压后有两个文件分别是VGG16_faster_rcnn_final.caffemodel和ZF_faster_rcnn_final.caffemodel
faster-cnn-caffemodel.part7.rar
11-14
这个是faster rcnn caffemodel 一共8个部分，有两个文件放在同个文件夹下解压 ，解压后有两个文件分别是VGG16_faster_rcnn_final.caffemodel和ZF_faster_rcnn_final.caffemodel
Faster R-CNN搭建教程 ubuntu16.04环境 caffe框架
03-19
总的来说，Faster R-CNN在Ubuntu 16.04上的搭建过程涉及到Caffe的配置、编译以及解决编译过程中可能出现的各种问题。通过按照上述步骤操作，你应该能够在Caffe框架下成功运行Faster R-CNN，并利用其强大的目标检测...
faster-cnn-caffemodel.part1.rar
11-13
这个是faster rcnn caffemodel 一共8个部分，有两个文件放在同个文件夹下解压 ，解压后有两个文件分别是VGG16_faster_rcnn_final.caffemodel和ZF_faster_rcnn_final.caffemodel
imagenet-caffe-alex.mat
01-15
本文将详细探讨标题为"imagenet-caffe-alex.mat"的文件及其相关知识点，包括 imagenet 数据集、Caffe 框架、AlexNet 模型以及SVM（支持向量机）在MATLAB环境中的应用。 1. **ImageNet 数据集**：ImageNet 是一个大...
浅谈深度神经网络 — R-CNN（区域卷积神经网络）R-CNN->Fast R-CNN->Faster R-CNN
丿回到火星去
02-14 5208
浅谈深度神经网络 — R-CNN（区域卷积神经网络）R-CNN->Fast R-CNN->Faster R-CNN
区域卷积神经网络R-CNN
jindaxiaoooo的博客
08-16 1319
区域卷积神经网络R-CNN R-CNN的全称是Region-CNN，是第一个成功将深度学习应用到目标检测上的算法。R-CNN基于卷积神经网络(CNN)，线性回归，和支持向量机(SVM)等算法，实现目标检测技术。
RCNN(Regions with Convolutional Neural Network Feature)
u011961856的专栏
08-03 2738
背景知识 在目标检测评价中,有一个参数定位准确率,即IOU,IOU计算公式如下: ​ 简单来说,IOU就是模型预测的bounding box与标记bounding box的重合率. 通常我们预测的bounding box是无法与标记bounding box完全重合的,例如下面几种情况: 因此可以通过求两个bounding box的重合率即IOU,并设定一个阈值t0,并认为IOU值
经典网络解读系列（一）：RegionProposal+CNN （rcnn）
zlrai5895的博客
06-18 2872
论文来自《Rich feature hierarchies for accurate object detection and semantic segmentation》 目标： 目标检测   模型结构： 1、使用select search对每张图像产生1k-2k个候选区域（这一步和目标类别无关） 2、对候选区域resize到统一尺寸。（227*227）这里resize的方法有三种：...
R-CNN:Region-based convolutional networks for accurate object detection and segmentation阅读笔记
mw_mustwin的博客
10-27 3973
Region-based convolutionalnetworks for accurate object detection and segmentation(2016.PAMI) Ross Girshick, Jeff Donahue, TrevorDarrell, Jitendra Malik 一、摘要         目标检测最近这几年在PASCAL VOC挑战赛上的表现达到相对稳
目标定位和检测系列（2）：Region-Based Convolutional Network (R-CNN)
Meringue's Blog
05-28 4349
论文原文链接： https://www.ncbi.nlm.nih.gov/pubmed/26656583 R-CNN作为把深度学习用在目标检测任务上的开篇之作，于2014年被CVPR接收。虽然现在看来R-CNN的精度和速度已经略显不足，但文中提出的很多思想，包括后续提出的Fast R-CNN和Faster R-CNN,一直被目标检测领域的论文沿用。 摘要 目标检测在权威的PASCAL V...
RCNN的安装与简单使用
热门推荐
kuaitoukid的专栏
07-03 2万+
最近准备从物体检测的角度来重新审视文本检测这个方向，所以看了下CNN大火以后的几篇经典文献，OverFeat，Region CNN， Dense Neural Pattern等等。 对这个方向来说，百闻不如一试，趁着其他程序还在跑没什么事，我安装了一下RCNN来看看效果
Faster-Rcnn中RPN（Region Proposal Network）的理解
MLlearnerTJ的博客
12-17 2万+
卷积后的pool层特征既可以用于类别判别，也可以用于回归BoundingBox，可以这样想，object的外围存在着一个看不见的BoundingBox, 只要人为提供了真值，那么网络就可以学会去调整参数来回归它。这跟利用已有的网络架构提取特征作为自己特定任务领域的初始化参数是一个道理，都是transferlearning的体现。 在实际使用中，pool层后增加了一个调整层（convolution,见
Region Based CNN 系列之——(1) R-CNN思路及其基础整理
机器学习_成长之路
04-25 489
现在对于从RCNN到FRCNN的论文已经有了很多优秀的博客来介绍，因此在这里，我只简单写一些思路性的东西，以及为了理解所加入的一些基础知识。 一、RCNN的整体结构 如上图所示，RCNN的整体结构其实相对比较简单，首先为输入图像（可以是任意尺寸），其次通过Region Proposal 获取到约2000个候选区域，然后将这2000个候选区域直接resize成固定大小...
Windows Caffe GPU安装与Py-Faster R-CNN教程
本篇文章是关于在Windows 7/10 64位系统上安装和配置Caffe深度学习框架，特别关注GPU支持，以及如何与VS2013、Anaconda2、OpenCV2和py-faster rcnn集成，以实现模型的运行和训练。以下是一些关键步骤和注意事项： 1...
评论
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