自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

学习专栏,期待交流与成长

拥抱生活中的不确定性

  • 博客(20)
  • 资源 (1)
  • 收藏
  • 关注

原创 使用已训练好的caffe模型的步骤

如何使用生成的模型,可能是在训练好模型之后,需要考虑的问题。实际上,caffe是存在两种接口来进行调用模型:1种是基于python的,另一种则是基于c++的。我个人是倾向于使用python接口,因为: 谚语:人生苦短,我用python最近刚好做了一个项目,同时开发了两种接口,所以也刚好来进行两者的比对。0 前言做任何事情之前,最好功利的问一问,做这件事情的目的是什么?如果你是一个如饥似渴的程序

2017-03-23 22:20:47 10989 5

原创 Linux中如何使用vector

实际上,写完博客恍然发现,vector的使用在Linux中和window中都是一样的。因为均是在C++的环境之中。头文件首先是包含头文件,请注意是#include<vector>而不是#include<vector.h>#include<vector>main中的使用如果没有使用using namespace std的话,则需要加上std来指出命名空间std::vector<int> vt_int_

2017-03-23 17:39:32 7172

原创 代码笔记:caffe-reid自己增加的caffe.proto

在caffe-reid的train.proto中,输入层是自己实现的。而且里面新增了参数项reid_data_param,因此,需要自caffe.proto文件中添加对应的数据结构,这样才能生成对应的接口来读取train.proto中的文件。同时,在 LayerParameter要新增相应的类型和变量。自定义的输入层中的reid_data_paramlayer { name: "data"

2017-03-16 22:35:58 1012 4

原创 Matlab笔记:将列向量直接赋值给行向量

在别人的matlab代码中看到,将列向量赋值给行向量。最初还以为是别人的代码有bug,实际上运行后才发现是由自己的无知造成的。因此,将如下一小段测试的代码贴出来,向量的维度由左值(被赋值的变量)决定。column = [1;2;3];row = [0,0,0];row = column;

2017-03-12 10:45:55 8332 2

原创 代码笔记:caffereid利用训练好的模型提取特征

set -eif [ ! -n "$1" ] ;then echo "\$1 is empty, default is 0" gpu=0else echo "use $1-th gpu" gpu=$1fi#base_model=caffenetbase_model=vgg_reduce#base_model=googlenet#base_model=re

2017-03-10 15:26:45 2033

原创 Python if 后面接变量

python的if语句表条件判断:如果后面直接接变量的话:如果args.channel_swap非空,则运行条件代码。那么如何判断但变量是否非空呢?Python中除了”、”“、0、()、[]、{}、None为False之外,其他的都是True。

2017-03-10 11:26:04 8416

原创 代码笔记:caffe-reid中计算mAP和rank1的方法

mAP和rank1均是衡量算法搜索结果的指标。其具体的概念和算法如下所述。mAP概念mAP的全称是mean average precision,用于衡量算法的搜索结果。如下这张图中有实际的例子来描述该公式。其图像链接如下: http://yongyuan.name/blog/evaluation-of-information-retrievalrank1概念搜索结果中最靠前的一张图是正确结果的概率

2017-03-07 19:03:02 14163 9

原创 代码笔记:caffe-reid中caffe_train.sh的解释

caffe_train.sh的代码解释

2017-03-07 15:01:07 2472

原创 代码笔记:caffe-reid中reid_data_layer源码解析

#include <stdint.h>#include <cfloat>#include <vector>#include "caffe/data_transformer.hpp"#include "caffe/layers/reid_data_layer.hpp"#include "caffe/util/benchmark.hpp"#include <boost/thread.hpp>na

2017-03-07 09:42:52 1378 1

原创 代码笔记:caffe-reid中PairEuclideanLayer源码解析

这是作者自己实现的一个caffe层,用于计算输入的bottum层中一对数据的欧式距离。

2017-03-07 09:41:00 1125 1

原创 代码笔记:caffe-reid中generate_caffenet.py解析

代码地址如下。该代码是用caffe实现的《A Discriminatively Learned CNN Embedding for Person Re-identification》 其中generate_caffenet.py实现的功能是,生成网络文件。其中包括了如下4个文件: train.proto、solver.proto、dev.proto、devploy.proto

2017-03-03 16:20:54 2448

原创 论文笔记《End-to-End Deep Learning for Person Search》

这篇文章是香港中文大学的郑晓刚于2016提出,本文是对文中的重要工作所做的一份梳理。 论文链接 http://www.ee.cuhk.edu.hk/~xgwang/publications_topic.html#person_re-identification 代码链接 https://github.com/ShuangLI59/person_search 首次阅读

2017-03-03 12:07:59 4539 2

原创 代码笔记:caffe-reid的数据预处理

代码地址如下。该代码是用caffe实现的《A Discriminatively Learned CNN Embedding for Person Re-identification》 https://github.com/D-X-Y/caffe-reid数据预处理关于其数据集marker1501的下载及配置,上诉github链接就有详细的说明。而代码中的数据预处理模块是值得重点关注的内容

2017-03-03 12:02:26 2022 2

原创 如何运行github上的代码-以caffe-reid为例

实际上,如果github上的Readme(操作手册)写得好的话,直接git(github常用的下载命令)下来,按照Readme的步骤,绝大多数是运行无忧的。另一方面,如果在使用代码时遇到问题,issue里是前人碰到的一些问题和对应的解决方案,查看issue也能发现答案。

2017-03-03 10:07:10 18080

原创 Qt笔记:设置控件的基本属性

Qt笔记,一些新手整理的基本知识点

2017-03-03 09:16:24 3221

原创 Matlab笔记:字符的基本操作

字符的比较以及字符串与数字的转换

2017-03-02 10:55:04 391

原创 Matlab笔记:对数组的基本操作

唯一化数组C = unique(A)C是已经排好序的A中子集,由A中不重复的元素所组成返回最大元素M = max(A)返回A中的最大元素,注意,如果A是一个矩阵,则M是一个行向量,且M中的每一个元素均是A中的列最大值创建全零数组X = zeros(sz1,...,szN)具体:如下是创建的一个共max(unique_id)行,1列的全零数组revers_id = zeros(max(uniq

2017-03-02 10:54:09 802

原创 Linux笔记:对于文件夹的复制、删除和链接

删除文件夹的命令是rm filename。其中的rm是命令,filename则是要删除的文件名。但是,如果目录非空的话,上述命令会失效。此时,则需要使用参数rm-rf filename来进行文件的删除。

2017-03-02 09:56:50 466

原创 Matlab笔记:文件操作相关的常用函数说明

文件相关的操作函数整理:获取文件名fullfile、将变量加载到工作区load、列出文件夹中的文件信息dir、以及将工作区的变量加载到本地save

2017-03-01 19:05:04 577

原创 论文笔记:神经网络中的基本概念整理

AutoEncoder(自编码器):将数据从高维转换成低维,且保证数据在转换过程中不丢失关键数据。实验结果还表明,转换后的数据更易于分类。 dictionary learning(字典学习):它实质上是对于庞大数据集的一种降维表示。

2017-03-01 11:57:40 657

Discriminatively Learned CNN Embedding for Person Re-identification

《Discriminatively Learned CNN Embedding for Person Re-identification》论文PPT

2017-03-03

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除