deep learning
shawnMMM
这个作者很懒,什么都没留下…
展开
-
tensorlayer中dropoutlayer层的feed value for placeholder问题
InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder' with dtype float [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/tas...原创 2018-04-27 21:42:15 · 657 阅读 · 0 评论 -
[Caffe]ubuntu16.04下编译caffe以及py-faster-rcnn的注意事项(仅cpu,anaconda2,opencv3)
①Makefile.config文件中的INCLUDE_DIRS改成 INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/最后加个 LINKFLAGS := -Wl,-rpath,$(HOME)/anaconda2/lib ②Makefile文件中的LIBRARIES LIBRAR...原创 2018-07-17 15:19:51 · 919 阅读 · 0 评论 -
[论文翻译] Rich feature hierarchies for accurate object detection and semantic segmentation (用于精确物体定位和语义
摘要 过去几年,在权威数据集PASCAL上,物体检测的效果已经达到一个稳定水平。效果最好的方法是融合了多种图像低维特征和高维上下文环境的复杂结合系统。在这篇论文里,我们提出了一种简单并且可扩展的检测算法,可以将mAP在VOC2012最好结果的基础上提高30%以上——达到了53.3%。我们的方法结合了两个关键的因素: (1)将大型卷积神经网络(CNNs)应用于自下而上的候选区域以定位和分割物...原创 2018-07-24 15:34:05 · 1498 阅读 · 0 评论 -
[论文翻译] Fast R-CNN
摘要本文提出了一种快速的基于区域的卷积网络方法(fast R-CNN)用于目标检测。Fast R-CNN建立在以前使用的深卷积网络有效地分类目标的成果上。相比于之前的成果,Fast R-CNN采用了多项创新提高训练和测试速度来提高检测精度。Fast R-CNN训练非常深的VGG16网络比R-CNN快9倍,测试时间快213倍,并在PASCAL VOC上得到更高的精度。与SPPnet相比,fast...原创 2018-07-24 15:35:47 · 436 阅读 · 0 评论 -
[论文翻译] Faster R-CNN:利用区域提案网络实现实时目标检测
摘要目前最先进的目标检测网络需要先用区域提案算法推测目标位置,像SPPnet1和Fast R-CNN2这些网络已经减少了检测网络的运行时间,这时计算区域提案就成了瓶颈问题。本文中,我们介绍一种区域提案网络(Region Proposal Network, RPN),它和检测网络共享全图的卷积特征,使得区域提案几乎不花时间。RPN是一个全卷积网络,在每个位置同时预测目标边界和objectness...原创 2018-07-24 15:38:21 · 1939 阅读 · 0 评论