- 博客(6)
- 收藏
- 关注
原创 caffe入门
1.数据层及参数layer { name: “cifar” type: “Data” top: “data” top: “label” include { phase: TRAIN } transform_param { mean_file: “examples/cifar10/mean.binaryproto” } data
2017-09-15 10:21:15
259
原创 文字识别文献阅读
一.文献阅读自然场景文字检测[2017-AAAI]TextBoxes: A Fast Text Detector with a Single Deep Neural Network主要内容: This paper presents an end-to-end trainable fast scene text detector, named TextBoxes, which detects sc
2017-09-15 10:17:58
1198
原创 OCR调研
图像输入、预处理: 图像输入:对于不同的图像格式,有着不同的存储格式,不同的压缩方式。预处理:主要包括二值化,噪声去除,倾斜较正等 二值化: 对摄像头拍摄的图片,大多数是彩色图像,彩色图像所含信息量巨大,对于图片的内容,我们可以简单的分为前景与背景,为了让计算机更快的,更好的识别文字,我们需要先对彩色图进行处理,使图片只前景信息与背景信息,可以简单的定义前景信息为黑色,背景信息为白色,这
2017-09-11 17:31:15
679
原创 用Caffe 训练和测试MNIST数据
Caffe安装包自带mnist的例子。测试步骤如下 1.数据下载获得mnist的数据包,在caffe的根目录下执行./date/mnist/get_mnist.sh脚本 2.生成LMDB执行./example/mnist/create_mnist.sh。将mnist date 转化成caffe可用的lmdb格式文件。3. 定义MNIST Network3.1
2017-09-11 17:24:48
309
原创 欢迎使用CSDN-markdown编辑器
欢迎使用Markdown编辑器写博客本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 Ctrl + I 引用 Ctrl
2017-09-11 17:23:16
158
原创 LeNet模型解读
一.LeNet模型解读 1. 第一层:输入层是32 * 32大小的图像(Caffe中的Mnist数据库为28 * 28),这样做的目的是希望潜在的明显特征,如笔画断续、角点能够出现在最高层特征监视子感受野的中心。2. C1层是一个卷积层,6个特征图谱(feature map),5*5大小的卷积核,每个feature map有(32-5+1) * (32-5+1),即28 *
2017-09-11 16:11:50
365
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