- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 cuda 函数前缀：device/global/host 相关问题
在深度学习caffe框架等多处，用到了CUDA函数，使代码加速，其文件类型为XXX.cu。在运行这些CUDA函数时，会遇到一下C++里没有的问题，比如函数前缀问题，如果在修改编写.cu文件时不注意，会出现问题，因此本文在这里讨论一下。主要解决如下问题：error : calling a __host__ function from a __global__ function is not al
2016-10-23 22:08:29
22729
1
原创 论文笔记 Fast R-CNN细节
当我决心认真地看Faster R-CNN代码的时候，我就觉得有必要把 Fast R-CNN的论文的细节再从新完整地看一遍了。对，是细节，如何实现的部分，于是有了此篇博客。请注意是 Fast R-CNN笔记。
2016-10-15 17:55:13
1873
原创 caffe windows 版本配置中的 caffe.pb.h 问题
由于一些问题，需要重装Faster rcnn的 caffe 的windows版本，在caffe.pb.h上卡了下，以前并没有注意到过，在此记录一下。所配置的caffe为此版本：https://github.com/ShaoqingRen/caffe，为支持Faster R-CNN代码的 caffe 版本。（1）下载 protobuf 配置好各种库之后会发现，windows
2016-10-12 10:24:29
7669
原创 论文笔记 HED：Holistically-Nested Edge Detection
同组小伙伴推荐的文章，一篇看似做边缘检测，实际做出了语义分割的文章，ICCV2015的文章。主要解决两个问题：（1）基于整个图像的训练和预测；（2）多尺度和多水平的特征学习。该算法通过深度学习模型，完成了从图像到图像的预测，并通过学习到的丰富的分级特征，完成边缘检测中的细节问题。本文提出的end-to-end的边缘检测系统，称为holistically-nested edge detectio
2016-10-11 10:56:36
31929
24
原创 论文笔记 OHEM: Training Region-based Object Detectors with Online Hard Example Mining
CVPR2016的文章，CMU与rbg大神的合作。原谅我一直没有对这篇文章做一个笔记~~文章提出了一种通过online hard example mining（OHEM）算法训练基于区域的卷积检测算子的高效目标检测算法，能够对简单样本和一些小数量样本进行抑制，使得训练过程更加高效。该方法利用显著的bootstrapping技术（SVM中被普遍利用），对SGD算法进行一定的修改，使得原有的reg
2016-10-08 22:23:11
26600
faster-rcnn caffe windows可用的protoc.exe
2016-10-12
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人