- 博客(9)
- 收藏
- 关注
原创 特征描述子——SIFT
(一)背景 在描述图像特征的时候,为了算法的鲁棒性,我们往往希望我们提取到的特征具有噪声不变性、尺度不变性、旋转不变性、光照不变性。我们知道,HOG特征具有噪声不变。光照不变性,却不具有尺度不变性和旋转不变性,存在一定局限性。于是有了HOG特征的改进版本——SIFT特征。SIFT全称是Scale Invariant Feature Transform。(二)SIFT简介
2017-03-23 23:07:12 4456
原创 caffe 用训练好的模型提取图片特征(使用自带classify.py和classifier.py)
原材料:1)训练好的caffemodel2) 定义网络结构的deploy.prototxt配置文件3) 训练时使用的mean文件,在/cafferoot/python/classify.py的demo中,要求使用的是.npy格式的meanfile,如果我们手上有的是mean.binaryproto文件,则需要自己2完成转换:可以使用以下convert_mean.py来实现#!/u
2017-03-17 13:46:25 3585 2
转载 运行classify.py时报错 Mean shape incompatible with input shape
转自:http://blog.csdn.net/gzljss/article/details/45849013解决方法参考http://stackoverflow.com/questions/29842935/mean-shape-incompatible-with-input-shape-caffe-classification-error-in-io-py在运行caff
2017-03-17 13:23:07 784
原创 caffe 预处理,图片转为LMDB
Caffe:如何将图片数据转换成lmdb文件1 图片信息的转换 在caffe中经常使用的数据类型是lmdb或leveldb;不是常见的jpg,jpeg,png,tif等格式;因此,需要进行格式转换,通过输入你自己的图片目录(下有的大量图片)转换成一个lmdb库文件输出;这个过程一般由caffe工具convert_imageset完成,该工具在编译过的cafferoot/build
2017-03-16 16:43:35 2358
转载 最大熵模型
转自:http://www.cnblogs.com/little-YTMM/p/5582271.html引入1:随机变量函数的分布 给定X的概率密度函数为fX(x), 若Y = aX, a是某正实数,求Y得概率密度函数fY(y).解:令X的累积概率为FX(x), Y的累积概率为FY(y).则 FY(y) = P(Y X(y/a),则 fY
2016-10-11 00:39:10 468
原创 手把手教你在kaggle degit recognizer比赛用caffe达到准确率99.1%
最近实验室师兄布置了参加kaggle上的digit recognizer训练比赛,识别手写数据。在经过两周的探索之后,发现了一个非常surprising的结论,就是使用mnist的lenet中的lenet_train.sh加default setting,并且不划分validation set的效果是我目前取得的最好的结果,高达0.994,leaderboard上结果如下1
2016-09-28 10:05:40 616
原创 Tensorflow图像预处理,Numpy读取数据踩坑
本文记录了kaggle比赛digit recognizer中用lenet网络进行train和test的相关步骤和代码1.数据预处理。 现有数据:从官网https://www.kaggle.com/c/digit-recognizer/data下载到的数据为.csv格式,分为train和test两部分数据。我们需要将 目标:生成适合caffe处理的lmdb格式
2016-09-24 09:51:38 4963
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