- 博客(9)
- 资源 (1)
- 收藏
- 关注
原创 【Caffe】Matlab接口(make编译通过,make mattest出错)
之前一直在用pycaffe,很少接触MatCaffe,然而几个论文上的demo需要用到Matcaffe,最近在编译的时候,出现不少错误,记录一下。环境配置:Ubuntu16.04 + TitanX + Cuda7.5 + Cudnn V4错误如下:# make mattestcd matlab; /usr/local/MATLAB/R2015b/bin/matlab -nodisplay -r '
2017-09-25 14:36:01 2633
原创 【图像语义分割】Large Kernel Maters--Improved Semantic Segmentation by Global ConvNet
摘要:目前流行的网络架构往往通过堆积小的卷积核(stack small filters),因为在相同计算量下,stack small filters往往比large kernel更加有效。然而在图像语义分割这块,我们需要做一个dense per-pixle prediction, 我们发现大内核在同时实现localization和classification的时候能够起到重要的作用。在这个设计原则下
2017-09-23 21:46:28 813
原创 【caffe】标准数据层输入
caffe在构造TrainNet时,首先要做的便是data和label的输入。数据层在Caffe的Data Layer中位于最底层,数据可以在高效的数据库中读取,也可以直接在内存中读取,或者从硬盘中直接读取 1. 数据层 LevedB 和 LMDB 层类型为data,主要分为LevedB 和 LMDB 其在*.prototxt文件中如下所示:layer { name: "mnist"
2017-09-22 19:08:51 1930
原创 【图像语义分割】DeepLab V2: CNN + Atrous Convolution + Fully Connected CRF
本博客主要是针对DeepLab v2《DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs》 做的记录,其中还略微涉及DeepLab v1 《Semantic Image Segmentation with Deep Convol
2017-09-16 21:20:22 2493
原创 【图像目标检测】Faster-RCNN
有了Fast-RCNN后,Faster-RCNN表示为什么还在用selective search呢?这样会出现一种很尴尬的处境,region proposal的速度比后面检测+回归的速度要慢。所以Faster-RCNN表示做Vision的话,CNN应该要一统江湖,于是把Selective Search也集成到网络中,提出RPN。从而把速度拉升到real-time。 FasterRCNN架构:F
2017-09-13 20:35:27 747
原创 【图像目标检测】Fast-RCNN
RCNN应该是深度学习在目标检测detection上的开山之作。 然而RCNN需要分成四部分实现:1)Selective Search 提取proposal, 2)CNN提取特征,3)SCM分类,4)box regression。实在是不够优雅,开山之作毕竟是开山之作,有他的时代意义。本文介绍的Fast-RCNN是RBG大神(Ross B. Girshick)继RCNN之后的又一力作。Fast-R
2017-09-11 21:14:42 667
原创 【图像语义分割】Fully Convolutional Networks for Semantic Segmentation
FCN这篇文章是第一次用CNN的方式端对端(end-to-end)的解决了图像语义分割问题,在Semantic Segment这个领域中也算划时代的论文了不同于常规的classification network, Sementic Segment侧重于像素级的分类。本文通过对常规classification network(Alexnet, VGG, GoogLeNet)进行fine-tuning,
2017-09-05 21:20:22 1315 2
原创 【图像语义分割】Label data的标注--Labelme(python)
图像语义分割是一种pixel-wise级的一种图像分类操作,其目的是在图像中上的同一个类别上打上相同的label,以表示这个类别是同一类。在训练自己的数据集中,语义分割最重要且最基础的一步便是对图像进行标注,以训练得到自己的模型。在标注图像中,MIT开源了一款标注软件,Labelme. http://labelme2.csail.mit.edu/Release3.0/index.php?mess
2017-09-03 16:25:30 63979 131
原创 【超分辨率】Deeply-Recursive Convolutional Network for Image Super-Resolution
这篇文章在超分辨率中应该算是一种标杆类的算法,虽然Recursive-Convolution Network在图像上的应用并不是由这篇文章率先提出,但在超分辨率处理中应该是第一篇。首先简单介绍下网络模型,作者将该网络分成3个subnet,Embedding network, Inference Network和Reconstruction Network。 Embeding NetEmbedin
2017-09-02 14:56:07 6572 5
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人