- 博客(13)
- 收藏
- 关注
RSS订阅原创 使用sklearn-theano来做object detection目标检测 (OverFeat)
目前目标检测比较好的两种方法是Fast-RCNN和OverFeat。我更喜欢OverFeat，因为OverFeat完全使用CovNet来做Classification，Localization和detection，比Pip Line的方法好多了，简洁并且减少经验性的东西。最终也方便做到end-end的Training。尝试一下如何使用OverFeat。OverFeat的代码包是sklearn-the
2015-05-28 10:03:17
4303
原创 Image Roi Proposal , Object Proposals( 翻译成什么好 )
Image Roi Proposal , Object Proposals( 翻译成什么好 )标签（空格分隔）： vision物体检测的套路还是需要先得到一些Roi，然后判断这些Roi中是什么物体。 为了防止有漏网之鱼，所以，一般在一幅图中会有上千个Roi。Object Proposals有影响力的算法当然是Selective Search。但是这个领域进步很快， 从GoP的测试来看，目前Rec
2015-05-25 18:38:39
4489
原创 Fast-R-CNN_VOC_example
用FR-CNN来运行一个图片中目标检测的例子安装了FR-CNN以后，运行demo.py没有问题了。 找一个图片来自己测试一下。当然现在还只能使用VOC2007（VOC2012）的图片，因为只有这两个数据集，作者提供了预先计算好的Roi。准备数据从VOC2007中找一个图片。从~/fast-rcnn/VOCdevkit/VOC2007/JPEGImages中选择一张图片，拷贝到 ~/fast-r
2015-05-25 18:38:08
3413
2
原创 运行Fast R-CNN的代码
运行Fast R-CNN的代码标签（空格分隔）： vision FR-CNN是Ross Girshick的新作，从文章来看FR-CNN比R-CNN和SPPNet都快很多。当然R-CNN和SPPNet也都是Girshick的作品，FR-CNN的正确率不仅超越Girshick自己的嫡出，也超过了DPM等其他方法。 FR-CNN正如文章所说的是一个简单，并且Elegant的框架。和那些Pipeline的
2015-05-25 18:37:42
16037
5
原创 Delve into Fast R-CNN Code. 能够运行Demo，然后看一下代码结构
Delve into Fast R-CNN Code. 能够运行Demo，然后看一下代码结构标签（空格分隔）： vision_init_paths.pydemo.py首先import了这个模块，主要就是把路径设置好。# Add caffe to PYTHONPATHcaffe_path = osp.join(this_dir, '..', 'caffe-fast-rcnn', 'python')
2015-05-25 18:37:24
2374
原创 继续玩 Fast R-CNN
继续玩 Fast R-CNN标签（空格分隔）：vision Beyond the demo: installation for training and testing modelsDownload the training, validation, test data and VOCdevkitwget http://pascallin.ecs.soton.ac.uk/challenges/VO
2015-05-25 18:36:43
10901
3
原创 Real VNC can't Connect 连不上
Real VNC can’t Connect 连不上标签（空格分隔）： linuxUbuntu 14.04 Linux的SSH已经很好用了，但是由于一些图形取钱，经常需要看到Linux的桌面。所以装了VNC，客户端是Real VNC viewer，服务端是x11vnc。有时忘了关机器，Real VNC viewer就一直连不上，症状就是下面的，黑屏(其实是灰的)：重启机器就好了。但是有时做计算的时
2015-05-25 18:36:38
1839
原创 Installing Boost on Ubuntu 安装
Installing Boost on Ubuntu 安装标签（空格分隔）： linuxBoost是非常简洁，强大的C++标准库。安装 libboost-all-dev and aptitudesudo apt-get install libboost-all-devsudo apt-get install aptitudeaptitude search boost应该能得到类似： p l
2015-05-25 18:35:58
837
原创 测试Caffe，Training LeNet on MNIST with Caffe
测试Caffe，Training LeNet on MNIST with Caffe标签（空格分隔）： vision安装Caffe以后，测试一下。当然最好是用一个大家都在用的例子测试一下。 本文参考Caffe自己的说明。准备数据集Prepare DatasetsCaffe自带一些脚本从网上下载一些标准的库，如mnist。假设CAFFE_ROOT是安装CAFFE的根目录（对我来说就是解压caffe_
2015-05-25 18:32:21
1971
原创 安装 Caffe , Berkely的深度学习框架
安装 Caffe , Berkely的深度学习框架标签（空格分隔）： vision deepLearningCaffe是Berkeley的一个深度学习框架，方便构造深度学习网络，并在GPU上运行。 安装过程按照Caffe的主页上的描述：http://caffe.berkeleyvision.org/install_apt.html基本系统信息 Basic system information使用U
2015-05-25 18:30:55
713
原创 Image Roi Proposal , Object Proposals( 翻译成什么好 )
Image Roi Proposal , Object Proposals( 翻译成什么好 )标签（空格分隔）： vision物体检测的套路还是需要先得到一些Roi，然后判断这些Roi中是什么物体。 为了防止有漏网之鱼，所以，一般在一幅图中会有上千个Roi。Object Proposals有影响力的算法当然是Selective Search。但是这个领域进步很快， 从GoP的测试来看，目前Rec
2015-05-25 15:47:46
3199
1
原创 安装 Caffe , Berkely的深度学习框架
安装 Caffe , Berkely的深度学习框架标签（空格分隔）： vision deepLearningCaffe是Berkeley的一个深度学习框架，方便构造深度学习网络，并在GPU上运行。 安装过程按照Caffe的主页上的描述：http://caffe.berkeleyvision.org/install_apt.html基本系统信息 Basic system information使用U
2015-05-25 07:14:11
764
转载 欢迎使用CSDN-markdown编辑器
欢迎使用Markdown编辑器写博客(20150525)保存一份作为参考本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctr
2015-05-25 06:57:14
437
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人