- 博客(9)
- 资源 (3)
- 收藏
- 关注
原创 R-CNN:使用自己的数据训练 Faster R-CNN 的 ResNet-50 模型
上次使用 Faster R-CNN 训练了一个 VGG16 的网络,为了再提升识别的准确率,利用 ResNet 网络在同样的数据上面训练了多一次,过程如下
2018-07-06 19:45:16 15982 48
原创 R-CNN:使用自己的数据训练 Faster R-CNN 的 VGG-16 模型
最近在学习 Faster R-CNN 模型,为了了解其中网络的结构,利用 PascalVOC 数据集,来扩展网络的类别(原来有 20 类)。过程分为:数据准备 ==> 相关文件修改 ==&amp
2018-07-06 19:44:48 8685 3
翻译 翻译:Deep Residual Learning for Image Recognition
图像识别中的深度残差学习 摘要更深的神经网络更加难以训练。我们提出了一个残差学习框架,以简化比那些以往使用的更加充分深的网络的训练。我们显式地将层重新表示为学习残差函数,并参考层的输入,而不是学习未参考的函数。我们提供了全面的实证证据表明,这些残差网络是最容易优化的,并且可以从显著增加的深度中增加准确性。在 ImageNet 数据集上我们评估深度多达152层的残差网络,这个网络比 VGG 网...
2018-07-22 09:23:29 1715
翻译 翻译:Selective Search for Object Detection
在这篇指导,我们将会理解一个在目标检测中的重要概念——Selective Search。我们也会在 C++ 的和 Python 上分享 OpenCV 代码。
2018-07-12 17:08:31 943
原创 Logistic Regression with a Neural Network mindset
一、导入模块import numpy as npimport matplotlib.pyplot as pltimport h5pyimport scipyfrom PIL import Imagefrom scipy import ndimagefrom lr_utils import load_dataset二、数据集数据集是两个 .h5 格式的文件,有训练集和测试...
2018-07-09 16:20:55 255
原创 R-CNN:训练和测试 Faster R-CNN 模型中遇到的问题
最近使用自己标注的数据集用 Faster R-CNN 训练了两个模型:VGG16 和 ResNet-50 ,在训练和测试的时候还是踩了很多坑,把遇到的问题及解决方法总结了一下,以供以后回顾。训练1. 错误:./tools/train_faster_rcnn_end2end.py is not found执行文件的位置不正确,注意所有的命令最好都在 faster rcnn 的根目...
2018-07-06 19:45:39 1917 2
原创 PascalVOC 数据集
里面有一个 VOC2007 ,另一个是 VOC2012 。 进去里面有 5 个文件夹: VOC2012 ├──Annotations ├──ImageSets ├──Action ├──Layout ├──Main └──Segmentation ├──JPEGImage ├──SegmentationClass └──SegmentationObjectAnno...
2018-07-05 23:05:52 7941 1
原创 IoU(Intersection-over-Union)
交并比 (intersection over union)即为两个区域的交集与并集的比值。 例如有两个区域 C 与 G,如下图表示: 那么 IoU 的值定义为: IoU=C∩GC∪GIoU=C∩GC∪GIoU=\frac{C \cap G}{C \cup G}目标检测中的 IoU在目标检测中,算法预测出来的 bounding box 不会与 ground truth box ...
2018-07-03 23:25:06 1326
原创 R-CNN:Faster R-CNN 模型学习笔记
参考:论文:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks Blog:深度学习系列之Faster R-CNN 个人总结一、Faster R-CNNFaster R-CNN 使用了一个 区域建议网络 ,使用端到端的方式去训练,生成高质量的区域建议。1. Faster R-C...
2018-07-02 21:39:16 1201
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人