- 博客(47)
- 资源 (65)
- 收藏
- 关注
RSS订阅转载 调试caffe代码
参考：http://blog.csdn.NET/xiaoyezi_1834/article/details/50724875https://www.zhihu.com/question/27987666自己苦于需要修改caffe代码和调试代码，找寻方法找了很久 -> 总结如下:qt creator/anjuta/gdb 如下都是博主亲身试验成功的
2016-11-30 15:39:08
2602
2
转载 gdb调试
搞工程了，caffe，没时间慢慢学了，直接调试caffe，学习gdb，亲测可用。只是第一个i也要初始化，不然也得不到55Linux学习--gdb调试一.gdb常用命令：命令描述backtrace（或bt）查看各级函数调用及参数finish连续运行到当前函数返回为止，然后停下来等待命令frame（或f） 帧编
2016-11-30 10:04:55
489
原创 更改LetNet-5网络
话说上次博客画出来MNIST的LENET-5模型，http://blog.csdn.net/ture_dream/article/details/53007803今天可以把模型稍加修改，变成逻辑回归（Logistics Regression，LR）分类器1.复制examples/mnist/lenet_train_test.prototxt,重命名为lenet_lr.prototx
2016-11-28 15:39:51
2217
转载 makefile文件编写
Linux下进行c++开发，需要熟悉相关编译器的编译、链接命令。这边主要以实例讲解，如何在linux中，进行c++程序简单的编译链接运行。一、单文件编译链接这里先从最简单的单个文件编译链接为例。在桌面下新建一个名字为：helloworld.cpp 文件内容：[c++] view plain copy #include int ma
2016-11-28 11:14:54
991
原创 Blob进阶6 (显示代码行号）
把dfata_layers.cpp贴出了，明天好好注释一下：#include #include #include "caffe/blob.hpp"#include "caffe/data_transformer.hpp"#include "caffe/internal_thread.hpp"#include "caffe/layer.hpp"#include "caffe/lay
2016-11-26 21:16:40
498
原创 Blob进阶5
net在caffe中代表一个完整的cnn模型，包含若干layer实例。net是一张图纸，对应的是protoBuffer文本文件，描述文件*.prototxt,现在用自带的caffeNet模型描述文件，位于，/caffe-master/models/bvlc_reference_caffenet/deploy.prototxt,将此文件拷贝到当前工作目录下1 在caff
2016-11-26 17:31:07
556
原创 一张图看caffe目录结构
Caffe是用C++编写的深度学习框架，大量使用类的封装，继承，多态Caffe根目录下执行tree命令查看caffe目录结构$ cd /home/name/Documents/caffe-master$ tree -d.├── build -> .build_release //编译结果存放处，.build_release不是一个目录找不到├── cm
2016-11-26 10:46:34
4161
原创 Blob进阶4
从今天起做一个幸福的人学caffe 敲代码我有一所房子由Blob建起Blob在内存中表示四维数组，维度由高到底为（num_,channels_,height_,width_),num:第几帧，存储数据或权值（data）和权值增量（diff） { 相当重要的两个概念}channels:颜色通道RGBheight:图像的高width：图像的宽
2016-11-25 09:59:20
622
原创 Blob进阶3
Update操作将data与diff融合，是权值更新最终实施者 data=data-diff代码：#include#include#includeusing namespace caffe;using namespace std;int main(void){ Blob a; cout<<"Size: "<< a.shape_string()<<endl; a.R
2016-11-24 18:25:41
892
原创 Blob进阶2
在Blob进阶1基础上更改代码：#include#include#includeusing namespace caffe;using namespace std;int main(void){ Blob a; cout<<"Size: "<< a.shape_string()<<endl; a.Reshape(1,2,3,4); //调用Reshape赋值 c
2016-11-24 17:46:00
361
原创 Blob进阶（一个小程序）
从今天起做一个幸福的人学caffe 敲代码我有一所房子由Blob建起Blob在内存中表示四维数组，维度由高到底为（num_,channels_,height_,width_),num:第几帧，存储数据或权值（data）和权值增量（diff） { 相当重要的两个概念}channels:颜色通道RGBheight:图像的高width：图像的宽
2016-11-24 15:19:54
2345
转载 图像融合( 想起了大学专业课电磁场与电磁波）
Seamless cloning泊松克隆原文地址：http://blog.csdn.NET/hjimce/article/details/45716603作者：hjimce本篇博文主要讲解2004年Siggraph的经典paper：《Poisson Image Editing》，在图像融合领域，融合效果最牛逼的paper。讲这个算法，我没打算讲太多理论的公式，理论的东西，对于大部分
2016-11-24 10:25:28
1880
转载 caffe源码c++学习笔记Classifier.cpp
caffe源码c++学习笔记原文地址：http://blog.csdn.NET/hjimce/article/details/48933845作者：hjimce一、预测分类最近几天为了希望深入理解caffe，于是便开始学起了caffe函数的c++调用，caffe的函数调用例子网上很少，需要自己慢慢的摸索，即便是找到了例子，有的时候caffe版本不一样，也会出现错误。对于预测分类
2016-11-24 09:28:57
1258
原创 c++ 中的：：符号
看C++那么久，今天看源码：void ConcatLayer::Forward_gpu(const vector*>& bottom, const vector*>& top) { if (bottom.size() == 1) { return; }竟然懵了，：：前后谁属于谁？？查下，：：三种用法 （1）表示“域操作符” 例：
2016-11-23 17:08:08
4007
原创 caffe大厦的砖头Blob
caffe的万丈高楼（net）是我们按照设计的图纸（prototxt)，用Blob这些砖块筑成的一层层（layer）楼房，最后通过进行简装修(train)，精装修（finetune）实现。 深度神经网络是一种模块化的模型,它由一系列作用在数据块之上的内部连接层组合而成。 Caffe 基于自己的模型架构,通过逐层定义(layer-by-layer)的方式定义一个网络(Nets)。网络从数据
2016-11-23 15:14:17
611
原创 一张图读懂caffe架构
解释两个部分：一：预处理图像的leveldb构建 输入：一批图像和label （2和3） 输出：leveldb （4） 指令里包含如下信息：conver_imageset （构建leveldb的可运行程序）train/ （此目录放处理的jpg或者其他格式的图像)label.txt (图像文件名及其label信息)输出的leveldb文件夹的名字CPU/GPU (指定是在
2016-11-23 14:28:02
6221
转载 Fast R-CNN论文详解
&创新点规避R-CNN中冗余的特征提取操作，只对整张图像全区域进行一次特征提取；用RoI pooling层取代最后一层max pooling层，同时引入建议框信息，提取相应建议框特征；Fast R-CNN网络末尾采用并行的不同的全连接层，可同时输出分类结果和窗口回归结果，实现了end-to-end的多任务训练【建议框提取除外】，也不需要额外的特征存储空间【R-CNN中这
2016-11-23 11:17:57
1918
转载 Faster-RCNN+ZF用自己的数据集训练模型(Python版本)
说明：本博文假设你已经做好了自己的数据集，该数据集格式和VOC2007相同。下面是训练前的一些修改。（做数据集的过程可以看http://blog.csdn.net/sinat_30071459/article/details/50723212）Faster-RCNN源码下载地址：Matlab版本：https://github.com/ShaoqingRen/faster_rcn
2016-11-22 13:44:17
1269
原创 linux创建用户、设置密码、删除用户
创建用户、设置密码、修改用户、删除用户：useradd testuser 创建用户testuserpasswd testuser 给已创建的用户testuser设置密码说明：新创建的用户会在/home下创建一个用户目录testuserusermod --help 修改用户这个命令的相关参数userdel testuser 删除用户testuserrm -rf testuse
2016-11-21 12:33:03
636
原创 一张图理解卷积层的参数共享
人工神经网络缺点是参数很多，卷积层可以减少参数，减少计算量，因为卷积层的参数共享特性。在学习了点击打开链接以后，继续看下图：学习了点击打开链接知道，小盆友1视野很小，每个感受野对应一些参数，假设为w1w2w3w4,每滑动一次，另一个感受野又对应四个w,因为每个小朋友都有自己处事原则（不管看什么，参数不变），所以一个小盆友只要学习四个参数。一幅图只要4*5=20个
2016-11-20 15:41:41
21235
3
原创 一张图理解卷积神经网络卷积层和感受野
局部关联：每个像素点和她周边的点广联大（图像连续）形象地说，左边是32*32*3的图像，我们让五个小朋友分别看，右边的12345小盆友分别关注图像的颜色，轮廓，纹理等等信息。五个小朋友对应五个神经元，也叫filter，每个小盆友视野有限，每次只看一小块，慢慢滑动直到看完，那么左图中的小块叫感受野（receptive field）。每个小朋友看完一张图得到一张图，五个人得出五张，即d
2016-11-20 15:16:13
15139
4
原创 安装搜狗 折腾
写博客，方便自己以后查找资料啥的，没有拼音不方便啊，uubntu自带拼音不顺畅。装搜狗本来不难，参考：http://blog.chinaunix.net/uid-23851468-id-4215194.htmlhttp://jingyan.baidu.com/article/08b6a591cb06f114a8092209.html sudo dpkg -i s
2016-11-17 22:11:50
590
原创 faster_rcnn test 浮点运算量
以上总结了faster-RCNN 测试计算量总结，仅仅截取表格一部分，下载见点击打开链接卷积层浮点运算计算量公式(参考21天实战caffe）是：Caculation(conv n)=I*J*M*N*K*L其中，I,J卷积核 M,N输出通道的特征图大小， K输入通道数， L输出通道数 {KL个卷集核实现通道的转换}列如：上图绿色框里列出了第二个卷积层参数里：I=J=5；M=
2016-11-16 15:10:56
2045
原创 LeNet模型简介
用点击打开链接画出上面的结构图，如上图，联系prototxt可以清晰看到Lenet的网络结构 。数据源Mnist负责从预处理得到的lmdb数据库里读取图像数据data和标签数据label，图像数据送入后续CNN结构中进行处理。CNN结构包含卷积层conv(1,2)+下采样层pool(1,2)交替形成的特征层，以及全连接层ip1和ip2(类似于多层感知机结构）。对ip2的输出进一步同
2016-11-16 12:28:24
2894
原创 MNIST 模型测试
:~/Documents/caffe-master$ ./build/tools/caffe.bin test -model examples/mnist/lenet_train_test.prototxt -weights examples/mnist/lenet_iter_10000.caffemodel -iterations 100I1116
2016-11-16 10:50:20
1270
原创 MNIST 数据集可视化代码
xie yige matlab daima fang zai $caffe_root/data/mnist/ clear;clc;clear all;image_file_name='t10k-images-idx3-ubyte';index_filename='t10k-labels-idx1-ubyte';fid1=fopen(image_file_name,'
2016-11-15 20:25:47
3183
1
转载 Caffe源码解析4： Data_layer
Caffe源码解析4： Data_layer转载请注明出处，楼燚(yì)航的blog，http://home.cnblogs.com/louyihang-loves-baiyan/data_layer应该是网络的最底层，主要是将数据送给blob进入到net中，在data_layer中存在多个跟data_layer相关的类BaseDataLayerBasePrefetchin
2016-11-15 15:48:02
438
转载 论文阅读笔记：You Only Look Once: Unified, Real-Time Object Detection
尊重原创，转载请注明：http://blog.csdn.net/tangwei2014这是继RCNN，fast-RCNN 和 faster-RCNN之后，rbg（Ross Girshick）大神挂名的又一大作，起了一个很娱乐化的名字：YOLO。虽然目前版本还有一些硬伤，但是解决了目前基于DL检测中一个大痛点，就是速度问题。 其增强版本GPU中能跑45fps，简化版本155fps。
2016-11-12 10:20:01
724
原创 caffe training instruction for image classification
学习笔记3 用自己的数据训练和测试“CaffeNet” 2014.7.22 薛开宇(点击打开链接) he http://blog.csdn.net/u012746763/article/details/50389898xuexi xunlian :find train/cat *.jpeg |cut -d '/' -f2-3 > train.txt
2016-11-11 14:32:02
375
转载 Fast RCNN详解
Girshick, Ross. “Fast r-cnn.” Proceedings of the IEEE International Conference on Computer Vision. 2015.继2014年的RCNN之后，Ross Girshick在15年推出Fast RCNN，构思精巧，流程更为紧凑，大幅提升了目标检测的速度。在Github上提供了源码。同样使用最大规模
2016-11-10 10:47:00
1216
转载 行人检测 Is Faster R-CNN Doing Well for Pedestrian Detection?
ECCV 2016Matlab 代码 ：https://github.com/zhangliliang/RPN_BF/tree/RPN-pedestrian本文主要是分析了一下Faster R-CNN用于行人检测效果不好的原因，并对比提出了解决方案。 Faster R-CNN用于行人检测效果不好的原因有两个： 1）行人在图像中的尺寸较小，（e.g., 28×70 for Calte
2016-11-08 20:25:13
3179
转载 Selective Search for Object Recognition解读
Selective Search for Object Recoginitionsurgewong@gmail.comhttp://blog.csdn.net/surgewong 在前一段时间在看论文相关的工作，没有时间整理对这篇论文的理解。在前面的一篇博客【1】中有提到Selective Search【2】，其前期工作利用图像分割的方
2016-11-08 15:29:20
666
转载 【行人检测】之Joint Deep Learning联合深度学习
新近研究ICCV2013的一篇文章，《Joint Deep Learning for Pedestrian Detection》,Wanli Ouyang and Xiaogang Wang主旨是利用CNN+Part Detection+Deformation Model+Visibility reasoning构建一个神经网络，以Caltech行人数据库的29x84的行人样本训练，从而得到一
2016-11-08 09:33:25
3799
转载 目标检测——从RCNN到Faster RCNN 串烧
本人小硕一枚，方向是深度学习的目标检测，故想把从RCNN到Faster RCNN整个线串一下，理清里面的整个设计流程和创新思路，也算是对大神的创新思维进行学习。我会不定期改善博客里面可能存在的小错误，希望大家多多谅解支持啦。另外，在论文中已经讲到的点，如果不是特别重要的话，我不会再复述的啦，所以说各位看官先研读研读论文先，然后再看看我对这些论文的理解。对了，涉及到哪层是几乘几以及那层到底是多少这种
2016-11-05 17:21:14
968
转载 linux中pip安装步骤与使用详解
1、pip下载安装1.1 pip下载 代码如下复制代码# wget "https://pypi.python.org/packages/source/p/pip/pip-1.5.4.tar.gz#md5=834b2904f92d46aaa333267fb1c922bb" --no-check-certificate1.2 pi
2016-11-05 12:18:45
2491
原创 无法修正错误,因为您要求某些软件包保持现状，它们破坏了软件包间的依赖关系
用公司服务器做实验，cuda 出了问题，卸载重装。根据：点击打开链接 重装caffe和cuda在 sudo apt-get install cuda 时报错：cuda-7-5 (= 7.5-18) 但是它将不会被安装 E::无法修正错误,因为您要求某些软件包保持现状,就是它们破坏了软件包间的依赖关系赶紧搞好，百度到解决方法：打开更新设置，在“更新”选项卡中选
2016-11-04 22:14:30
6583
1
原创 Qt creator 中设置命令行参数方法
Qt creator he Vs hen xiang taihaole mingl hamgh cangshu
2016-11-03 22:41:49
3396
原创 Install Qt 5 on Ubuntu
Install Qt 5 on UbuntuIntroductionThis is a tutorial for installation of Qt 5.7.0 to Ubuntu 12.10. It may be used also for newer versions of Qt and Ubuntu. A difference for OpenGL has been found a
2016-11-03 16:18:51
1032
Gradient-Based Learning Applied to Document Recognition
2016-11-02
Finding People in Images and Videos
2016-10-25
The-Fastest-Pedestrian-Detector-in-the-West
2016-10-24
Robust Object Detection Via Soft Cascade
2016-10-24
递归输出vector
2017-03-28
istream_iterator 读取输入文件
2017-03-28
逆序reverse_iterator打印
2017-03-28
聊天界面 vvv
2017-03-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人