ssd训练500x500的数据

最新推荐文章于 2019-01-16 15:45:27 发布
最新推荐文章于 2019-01-16 15:45:27 发布
阅读量1.8k 收藏
点赞数
文章标签： caffe ssd
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/maxadda/article/details/52369141
版权

    从原来的默认的300x300的网络变成500x500的网络，计算Bbox number 的网络层数从6层变成了7层，框的个数从7308变成了20097.min_sizes的初始值分别为30、 35。在500的网络中，conv4_3、fc7、conv6_2、conv7_2、conv8_2、conv9_2、plool6层中图片的大小变成了：63、32、16、8、4、2、1.

在gtx980ti中显卡的内存6G，如果按照默认的配置会出现out of memory，修改参数为batch_size = 16、accum_batch_size = 16。其余的没什么修改。。。

maxadda
关注
SSD算法 目标检测
南七小僧的学海无涯
09-07 826
之前看了SSD的论文，但也只是仅仅停留在论文层面，这几天在github上找到了一位大神在一年前用Tensorflow实现了SSD算法。这几天也抽空阅读了下代码，主要分析了下几个重要的模块，接下来做一个简单的总结。 SSD（Single Shot MultiBox Detector）是大神Wei Liu在 ECCV 2016上发表的一种的目标检测算法。对于输入图像大小300x300的版本在VOC2...
SSD学习培训系列产品（三）根据自身uci数据集训炼SSD实体模型
hu131525的博客
09-21 371
LMDB统计数据方式 将自身的uci数据集转化成LMDB文件格式后就能够根据它刚开始训炼了。其相匹配文件目录给出图示。 /work/xxx/caffe_ssd/data/VOCdevkit/VOC201909/lmdb/ VOC201909_test_lmdb VOC201909_trainval_lmdb 编写训炼脚本制作 ssd_pascal.py sudo vi examples/ssd/...
ssd300模型训练代码.py
07-13
SSD训练过程中的关键点是如何将ground truth信息和网络预测输出的信息匹配上，一旦信息匹配上就能端到端的训练了（这里可以理解为预测值和GT值为loss function的两个输入，需要进行相应值的转换才才能符合loss function的输入标准）。 匹配策略： 在SSD的训练过程中，当预测bbox和任一gt bbox的jaccard overlap（IOU值）大于0.5时都被当做正样本（由于图像中GT很少，目的是防止负样本过多这个样本过少，学习难度大），其实即使是这样训练过程中由于ground truth太少，正负样本还是极度不平衡； 训练目标（loss函数）：
caffe ssd中输入图片大小对于内存使用和运行时间的影响
girafffeee的博客
12-01 1万+
caffe ssd中输入图片大小对于内存使用和运行时间的影响 一、内存使用         环境为caffe下以imagenet为样本集训练resnset网络。       在初始化生成lmdb的create_imagenet.sh脚本中，resize参数分别设置为256*256和512*512。 #!/usr/bin/env sh # Create the imagenet
caffe-ssd PASCAL VOC models 07+12.zip
05-08
https://github.com/weiliu89/caffe/tree/ssd 对应的模型文件， 直接去github链接里下载，有需要的从这里下载让我赚一个积分吧。 压缩包里包含文件: models_VGGNet_VOC0712_SSD_300x300.tar.gz models_VGGNet_VOC0712_SSD_512x512.tar.gz
caffe-windows(github原版本).zip
05-11
由于新版本不包含windows文件夹导致很多老教程失效，这个版本带 windows文件夹。需要的可以下载
SSD_中文版.docx
12-01
例如，在VOC2007测试集上，使用300x300输入的SSD模型在Nvidia Titan X显卡上可以达到72.1%的平均精度（mAP）和58FPS的处理速度，而500x500输入的SSD模型则达到了75.1%的mAP，优于Faster R-CNN的相应表现。...
基于SSD的图像神经网络检测模型的研究.pdf
09-25
由于SSD的灵活性，它可以适应不同大小的输入图像，如SSD300和SSD500分别对应300x300和500x500的输入尺寸。 总结起来，SSD模型是深度学习目标检测领域的一种重要方法，结合TensorFlow框架和Object Detection API，...
搞定目标检测（SSD篇）（上）
cedi9117的博客
01-16 1507
目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小。由于各类物体有不同的形状、大小和数量，加上物体间还会相互遮挡， 因此目标检测一直都是机器视觉领域中最具挑战性的难题之一。 如上图所示，目标检测就是用一个矩形来定位一个物体并判断该物体是什么？现阶段，主流算法中表现最好的是SSD和YOLO，前者就是本文要用到的算法。实际上，不管是用SSD还...
caffe-SSD网络预训练模型
08-23
这是一个SSD网络的预训练模型，在训练网络的时候你可能需要他
caffe-ssd PASCAL VOC models 07+12+COCO.zip
05-08
https://github.com/weiliu89/caffe/tree/ssd 对应的模型文件 包含文件: models_VGGNet_VOC0712_SSD_300x300_ft.tar.gz models_VGGNet_VOC0712_SSD_512x512_ft.tar.gz
经典网络结构梳理：SSD目标检测算法。
热门推荐
donkey_1993的博客
08-06 2万+
论文下载地址：https://arxiv.org/abs/1512.02325 论文代码：https://github.com/weiliu89/caffe/tree/ssd SSD全称：Single Shot MultiBox Detector  是2016年ICCV的一篇论文。是目前为止主要的目标检测算法。 算法的主要优点： 1. 速度比Faster-Rcnn快，精度比YOLO高。（在...
【目标检测】OpenCV中dnn模块的SSD demo运行
dzkd1768的博客
03-19 1万+
本文将opencv的contrib库中的dnn模块下的SSD检测方法的demo运行过程作以记录。 运行环境：win7 64位旗舰版，opencv3.1以及contrib库。 opencv dnn模块 到写本文的时间，opencv已经出到3.2版本了，由于之前装了3.1故版本没有更新，不过一般建议使用最新版本，新版本在兼容性和速度上都会有提升。 我们这里只使用contrib库的dnn模块，并
深度学习之目标检测SSD
liuy9803的博客
10-23 1792
SSD（Single Shot MultiBox Detector）将边界框的输出空间离散为不同层特征图上的一组不同尺寸和长宽比的默认框。SSD discretizes the output space of bounding boxes into a set of default boxes over different aspect ratios and scales per feature ...
关于SSD默认框产生的详细解读
xunan003的博客
01-28 2万+
关于SSD的训练脚本ssd_pascal.py请参看博主博文：点击打开链接 本文详细解读ssd默认框的产生过程。 1. 默认框产生的个数         我们都知道SSD默认框从6层卷积层输出的特征图中产生，分别为conv4_3、fc7、conv6_2、conv7_2、conv8_2、conv9_2。这6个特征层产生的特征图的大小分别为38*38、19*19、10*10、5*5、3*3、1*
实践二：caffe环境配置以及使用ssd-caffe训练自己的数据集
qq_27163197的博客
07-02 1886
1：环境配置 首先，我们把项目代码clone下来, 然后编译： git clone https://github.com/weiliu89/caffe.git cd caffe git checkout ssd 查看有没有安装opencv pkg-config --modversion opencv 修改相关配置[注意python=2.7] ../caffe$ cp Makefile...
SSD: Single Shot MultiBox Detector 检测单张图片
Jesse_Mx的博客
10-29 2万+
前言 博主也算是刚开始研究SSD项目，之前写了一篇SSD的安装和配置，这次是简单介绍下如何用SSD检测单张图片，其实过程也比较简单，下面正式开始。准备工作 当然，首先你要把SSD按照教程编译好，设置好python环境变量，然后重启计算机（建议），开始本次工作。SSD项目检测单张图片有C++程序和ipython程序，这里建议用ipython，主要是方便简单（最近新增了C++程序说明）。该工具路径为/h
ssd训练自己的数据
最新发布
10-09
在使用SSD（Single Shot MultiBox Detector）进行训练之前，你需要按照以下步骤准备自己的数据： 1. 创建一个包含训练图像和相应标签的数据集文件夹。 2. 将图像和标签放入对应的文件夹中。图像应该是彩色图片（三...
评论 3
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