深度学习
youngxiao's Blog
这个作者很懒,什么都没留下…
展开
-
MobileNetv2-SSDLite训练自己的数据集
MobileNetv2-SSDLite 实现以及训练自己的数据集1. 环境Caffe 实现 MobileNetv2-SSDLite 目标检测,预训练文件从 tensorflow 来的,要将 tensorflow 模型转换到 caffe.先废话,我的环境,如果安装了 cuda, cudnn, 而且 caffe,tensorflow 都通过了,请忽略下面的,只是要注意 caffe 的版本:...原创 2018-12-13 10:21:51 · 20827 阅读 · 49 评论 -
SSH 连接 Google colab
SSH 连接 Google colab前言在网上参考的利用 SSHD 和 ngrok 实现远程连接 Google colab,具体参考 Gist. 如果不喜欢 colab 的 web 工作环境,以及要加特殊符号的 shell 命令,可参考本文,亲测。步骤1. 进入 google 云盘创建一个 colaboratory jupyter 文件2. 设置创建的 .ipynb 文件,选择 ...原创 2019-06-24 17:58:09 · 14077 阅读 · 4 评论 -
最新的边缘检测文章及代码[2019]
Awesome-Edge-Detection-Papers前言本文转载至 Awesome-Edge-Detection-papers视觉顶会或期刊的文章,更新至 2019,edge detection (a.k.a. contour detection or boundary detection)并且包括了基于 DeepLearning 的算法,以及传统的检测方法,具体看 outline,...转载 2019-06-05 14:20:27 · 8194 阅读 · 0 评论 -
训练深度目标检测模型的免费 tricks
文章目录前言IntroductionRelated WorkScattering tricks from Image ClassificationDeep Object Detection PipelinesBag of FreebiesVisually Coherent Image Mixup for Object DetectionClassification Head Label Smoot...原创 2019-04-19 17:09:07 · 5664 阅读 · 0 评论 -
理解基于深度学习的目标检测算法
理解基于深度学习的目标检测算法前言原文地址:UNDERSTANDING DEEP LEARNING FOR OBJECT DETECTION基本没有改变作者的原意,在很少的地方有微小的改动。随着卷积神经网络(CNN)的出现,我们在计算机视觉任务(如目标检测,图像分割,分类等)方面取得了令人瞩目的进步。为了理解视觉场景中对象之间的动态和交互,我们需要对顺序和关联信息进行建模,以便在时间和空...翻译 2019-03-14 11:39:56 · 6325 阅读 · 0 评论 -
Selective Search 算法
目标检测和图像分类图像分类:识别图像中的目标。输入图片,输出图像中存在的目标类别,以及对应类别的概率。目标检测:识别+定位图片中的目标。输入图片,输出图像中存在的目标类别,以及置信度,还输出边界框(x, y, width, height)表示目标在图片中的位置。可见目标检测算法的核心之一也是图像分类。假设我们训练了一个图像分类模型,它可以识别图像中的目标,但是不知道目标的位置,要定位目...原创 2019-03-06 20:54:04 · 892 阅读 · 0 评论 -
熵,信息量,交叉熵
熵(Entropy)维基百科Entropy(information theory).定义:Information entropy is the average rate at which information is produced by a stochastic source of data.在信息论中,熵(entropy)是接收的每条消息中包含的信息的平均量,又被称为信息熵等。这里...原创 2019-02-22 15:01:25 · 432 阅读 · 0 评论 -
ncnn 交叉编译Arm Linux,64位armv8架构
young@fcserver-1:~/xy/tmp_ncnn/build-arm-linux-gnueabihf$ cmake -DCMAKE_TOOLCHAIN_FILE=../toolchains/arm-linux-gnueabihf.toolchain.cmake ..-- CMAKE_TOOLCHAIN_FILE = /home/young/xy/tmp_ncnn/toolchains...原创 2019-01-09 16:57:31 · 11626 阅读 · 2 评论 -
Deep Learning object detection (2014-2019) 资源
基于深度学习的目标检测算法发展史(2014-2019)本篇是 fork from deep_learning_object_detection. 这个韩国人参考了 this survey paper. 然后不停的 search,都有论文下载链接,部分有实现代码供参考,可以说很全面的包含了基于深度学习的目标检测算法,需要查看论文的时候随时下载,感谢。更新到: 2019/01/14paper l...转载 2019-01-18 09:59:10 · 7394 阅读 · 0 评论 -
GoogLeNet Inception v1,v2,v3,v4 演变
GoogLeNet Inception v1,v2,v3,v4 演变1. 前言This name is an homage to Yann LeCuns pioneering LeNet-5 network.GoogLeNet v1 里面说为了致敬 LeNet 才取的这个名,假装这是真的。关于 GoogLeNet v1-v4 ,网上已经有太多的学习总结,本文只是记录一下我个人 get...原创 2018-12-25 16:10:31 · 1708 阅读 · 0 评论 -
Net_surgery: 关于如何reshape caffe中.caffemodel中的卷积层
Net_surgery: 关于如何reshape caffe中.caffemodel中的卷积层1. 前言前提是当有一个训练好的模型或者一个预训练模型,而我们需要微调网络的时候,例如修改某些卷积层的 size,需要微调网络的原因有很多,例如想要提升模型精度,增加某些卷积层的 channel,或者更在意模型的实时性(速度),减少某些卷积层的 channel。当 reshape 了网络某些层的 s...原创 2018-12-28 14:55:31 · 691 阅读 · 0 评论 -
为何 MobileNet 及其变种(如 ShuffleNet)速度很快
为何 MobileNet 及其变种(如 ShuffleNet)速度很快这篇文章是从 Medium 上看到的一篇 blog,比较 nice,直接翻译过来了。译文地址:Why MobileNet and Its Variants (e.g. ShuffleNet) Are Fast1. 介绍在本文中,概述了高效的 CNN 模型(如 MobileNet 及其变体)中使用的构建块,并解释了它...翻译 2018-12-11 16:10:50 · 4220 阅读 · 0 评论 -
1x1卷积核的作用
Why? 1x1 卷积1. 前言往往很多人喜欢把事情搞得复杂,显得高大上,却并不实用,殊不知有时候简单的想法才是最美的。就好像是一堆巧妙的数学公式推导,常常有某一个极简的数学公式在作支撑,奇技淫巧无处不在。此外,研究算法的乐趣之一就是存在这些神奇的地方。如果是自己发现会很有成就感,如果在别人的思想中发现也会产生共鸣。今天要记录 CNN 中的 1x1 卷积的神奇之处,或者说有什么用?当然我承...原创 2018-12-10 19:42:09 · 16731 阅读 · 6 评论 -
YOLO 学习总结
YOLO,you know?1. 前言YOLOv1 早已过时,但历史总是重要的,为了完整性,还是记录之前学习的基础,以便总结改进算法时能清晰的定位改进点,学习优化的思想。此外在深度学习之前,目标检测领域最好的算法就是 DPM(Deformable parts models),简单提一下:利用了 SIFT 特征等,通过滑动窗口(sliding window)在图像中提出目标区域,然后 S...原创 2018-12-07 14:48:42 · 6925 阅读 · 0 评论 -
Awesome Object Detection Repositories
Introductiongithub: [github.io]https://youngxiao.github.io/z_post/目标检测-repositories/Based on amusi’s repositories: https://github.com/amusi/awesome-object-detectionFrom 2015 to May, 2019. Some awes...原创 2019-08-01 18:01:38 · 1253 阅读 · 0 评论