faster rcnn 代码心得：VGG16网络

最新推荐文章于 2022-04-07 09:50:26 发布
最新推荐文章于 2022-04-07 09:50:26 发布
阅读量1.6k 收藏
点赞数
分类专栏： 图像检测算法
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/qq_37806107/article/details/100048788
版权

我用的是下面这大牛的代码：首先感谢作者本人。

https://github.com/you359/Keras-FasterRCNN

VGG16的基础网络遇到一个问题：程序陷入死循环。

我们设置断点单步调试后：进入data_generators.py

发现在这里程序陷入死循环。原因是calc_rpn得到无效的值。

接着我们设置断点进入calc_rpn函数。

我们会的发现在使用vgg网络的时候得到的output_width,output_height为浮点型，导致np.zeros执行的时候发生异常，直接退出。

因此我们加了对output_width,output_height的墙纸类型转换。

最终解决这个问题。

在此感谢：代码原作者，以及帮助文档小伙伴。

wyjun0418
关注
专栏目录
深度学习系列资料总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
【速读心得】Msak R-CNN
你好tesseract的专栏
02-28 1002
目标1能直观感受整个过程2学习新idea计划1过一遍英文论文（配合中文论文）——4days2速读RCNN发展历史blog——5days3学习RCNN、4FastRCNN（7days）5Faster-RCNN、MAskRCNN、后期实际1过一遍论文翻译（5days——2018/3/5）【Done】2速读历史： RCNN（Done）Fast R-CNN（） http://deeplearning.cs...
object detection api 构建基于vgg的faster rcnn网络
q199502092010的博客
05-03 793
在上篇文章 https://blog.csdn.net/q199502092010/article/details/89381472 基础之上，参考了 https://www.jianshu.com/p/b9e38c1c94b1 https://www.jianshu.com/p/4b5ff96e70b5 这两篇文章，构建了基于tensorflow object detection api 中的f...
faster-rcnn之caffe下利用vgg16训练及预测
Haiwi-Song
02-07 1575
工作中经常用到py-faster-rcnn做图片的检测与识别，训练过程有必要记录一下，下面是参照网上的一些资料整理实践后的总结： py-faster-rcnn的github地址：https://github.com/rbgirshick/py-faster-rcnn 数据采用VOC 2007格式。 一、制作数据集 程序/工具：VOC2007文件夹、labelImg 处理流程：图像重命
Faster RCNN-3（VGG和ResNet）
lucifer_24的博客
03-23 8580
1.pytorch和numpy 首先补充一点pytorch和numpy的函数 import torch import numpy as np # reshape：有返回值，所谓有返回值，即不对原始多维数组进行修改 # resize：无返回值，所谓有返回值，即会对原始多维数组进行修改 a = np.arange(0, 12, 1).reshape(2, 3, 2) print(a) a.resiz...
Faster R-CNN Keras版源码史上最详细解读系列之vgg16与RPN网络
王伟王胖胖的博客
09-17 2778
Faster R-CNN Keras版源码史上最详细解读系列之vgg16与RPN网络vgg16vgg.py vgg16 我们的特征提取网络是用vgg16作为主干网络的，只用前面的13层，最后3层全连接层不要。为什么不用其他的呢，比如resnet101，这个更深理论上当然更好啦，但是实际上训练时间和复杂性也提高啦，等简单的用好了，后面可以换嘛。先看看vgg16的结构吧，我网上找了一张比较清晰的图： ...
Faster-RCNN的vgg16文件详解
a1103688841的博客
05-16 5566
目录 pytorch编写Faster-RCNN的下载地址 目录下的Faster-Rcnn网络文件地址 ​ 代码解读： 导入库部分： VGG16初始化： -->下面这些是模型参数初始。 -->接下来是是否有预训练，有的话导入参数。 -->这个是定义特征提取层和分类层，写法参考。 -->固定前面3层的网络参数，不进行训练。 -->最后回归层定义，...
Faster-RCNN学习总结
qq_32062101的博客
07-06 456
我是直接学习Faster-RCNN的，RCNN和Fast-RCNN基本没怎么看。在学习Faster-RCNN的过程中我参考了很多文章，其实我觉得Faster-RCNN 并没有涉及到复杂的算法，学习Faster-RCNN的困难之处在于找到可信的资料，主要总结了一些文章中模糊的地方，收集的参考资料很有价值，大家可以综合看这些资料，通过这些资料应该基本能理解Faster-RCNN。写这篇文章有两个目的：...
算法总结
weixin_38740463的博客
11-01 676
1）Rcnn 贡献：1)采用监督预训练方式（解决大量数据需求问题） 2）候选区域提出（解决计算量大的问题） 本质：将候选区域设定在backbone前，Resize后进行特征提取分类回归 第一步：RP选取：SS算法（无监督） SS算法：1）使用Efficient Graph-Based Image Segmentation获取原始图片分割区域 ...
Dynamic Fusion with Intra- and Inter-modality Attention Flow for Visual Question Answering 心得体会
gxc19971128的博客
11-24 1119
近日研读了一篇文章，题目：《Dynamic Fusion with Intra- and Inter-modality Attention Flow for Visual Question Answering》这篇文章是CVPR2019的文章，作者主要来自港中文。文章链接如下：Dynamic Fusion with Intra- and Inter-modality Attention Flow ...
FasterRCNN-pytorch:FasterRCNN在VGG，ResNet和FPN基础中实现
05-13
更快的RCNN-pytorch FasterRCNN在VGG，ResNet和FPN基础中实现。 参考： rbg的FasterRCNN代码： : 模型表现 在VOC2017上进行培训在VOC2017上进行测试 骨干 地图 VGG16 0.7061 ResNet101 0.754 训练模型 1.运行前，您需要： 光盘./lib 在make.sh和setup.py中更改gpu_id。 具体来说，您需要在make.sh的第5、12和19行以及setup.py的第143行中修改参数设置，其中包含关键字“ -arch =”取决于您的gpu模型。（选择适当的体系结构，见下表） sh make.sh GPU型号 建筑学 TitanX（麦克斯韦/帕斯卡） sm_52 GTX 960M sm_50 GTX 108（钛） sm_61 网格K520（AWS g2.2xlarge
VGGnet_fast_rcnn_iter_70000.ckpt
09-29
此训练模型为tensorflow下faster-rcnn已经训练好的模型。由于google下载的链接很慢，所以为大家提供资源。
Faster RCNN--VGG16 dropbox模型
weixin_42788651的博客
03-19 238
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
pytorch 从头开始faster-rcnn（三）：vgg16 （带有网络冻结的写法）
a362682954的博客
09-26 5423
由于pytorch自带了一些网络结构可以直接使用，所以直接调用有的模型，详细的可以查看官方文档：https://pytorch.org/docs/stable/torchvision/models.html def decom_vgg16(): if opt.caffe_pretrain: model = vgg16(pretrained=False) ...
R-CNN：使用自己的数据训练 Faster R-CNN 的 VGG-16 模型
强劲九
07-06 8691
最近在学习 Faster R-CNN 模型，为了了解其中网络的结构，利用 PascalVOC 数据集，来扩展网络的类别（原来有 20 类）。过程分为：数据准备 ==> 相关文件修改 ==&amp
Fast R-CNN讲解
热门推荐
weixin_43702653的博客
04-07 2万+
Fast R-CNN
【目标检测】Faster R-CNN
筱
11-15 2158
相关知识： （部分图片来自目标检测之RCNN，SPP-NET，Fast-RCNN，Faster-RCNN） R-CNN R-CNN网络其实就是一个分类器，对提取到的候选区域（region proposal）进行分类，它的准确度主要依赖于候选区域算法。 SSP 流程： （1）在原始图像上用Selective Search算法得到候选区域 （2）将整张图片前馈神经网络然后得到conv featur...
一文带你回顾经典的目标检测算法之Faster RCNN系列
莫大逗比嘟嘟
04-25 1402
一、前言 本文浅谈目标检测的概念，发展过程以及RCNN系列的发展。为了实现基于Faster-RCNN算法的目标检测，初步了解了RCNN和Fast-RCNN实现目标检测的具体步骤及其优缺点。在深刻理解Faster-RCNN的基本原理、详细分析其结构后，开始进行对Faster-RCNN的训练。其训练过程包含对RPN网络的训练得到proposals和训练Faster-RCNN。整体过程思想是类似于迭代，但不需要迭代多次。最终得到了较好的实验结果，经分析可知，Faster-RCNN算法与RCNN和Fast-RCN
win7 环境下实现faster-rcnn
weixin_33843409的博客
03-26 120
各软件版本 cuda9.0，python3.5，tensorflow-gpu1.6.0,。因为网上代码基本上都是在python3.5环境下实现的，原本安装了cuda9.0，不想再换就试tensorflow的版本，发现tensorflow-gup1.6.0可以用。 1.首先上win7环境下代码https://github.com/dBeker/Faster-RCNN-TensorFlow-P...
AssertionError: FasterRCNN: ResNet:
最新发布
05-04
这个错误通常是在使用 Faster R-CNN 算法时出现的，它表明 ResNet 模型的输入尺寸与 Faster R-CNN 的输入尺寸不匹配。ResNet 是一种常用的卷积神经网络模型，用于图像分类和检测任务，而 Faster R-CNN 是一种基于卷积神经网络的目标检测算法。 为了解决这个错误，你需要检查模型的输入尺寸是否与 Faster R-CNN 的要求一致。通常情况下，Faster R-CNN 要求输入的图像尺寸应该是固定的，通常是 800x800 像素。如果你的 ResNet 模型的输入尺寸与此不一致，你可以通过调整输入尺寸、修改模型结构等方式来解决这个问题。
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