![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
wshdkf
我是一只菜鸟,希望通过与各位老师朋友交流来进步。
展开
-
Windows + Faster R-CNN配置若干问题与解决
Windows + Faster R-CNN配置若干问题与解决0. 前言本文主要分享博主在Windows下配置Faster R-CNN时遇到的几个问题及其解决。水平有限,故仅对问题现象以及问题解决的经验进行了记录,而并不深晓背后的机理。 主要环境:GTX1080 + Windows7 x64 + VS2013 + MatlabR2014a原创 2017-07-11 11:19:42 · 1625 阅读 · 0 评论 -
Faster R-CNN中RPN为什么能进行候选区域提取?
因为还没搞清楚,所以以下内容有猜测成分。对于models\rpn_prototxts\ZF\train_val.prototxt,当输入图像“data”的尺寸是224*224*3时,那么前向传播过程中conv_5的输出的blob的维度就是15*15*256*1,其中15*15是特征图的大小,256是特征图的通道数。接下来,conv_5层的输出作为conv_proposal1层的输入,con原创 2018-01-13 21:12:51 · 3008 阅读 · 0 评论 -
Faster R-CNN 训练源码学习笔记
Faster R-CNN训练脚本:.\experiments\script_faster_rcnn_VOC2007_ZF.m文件function script_faster_rcnn_VOC2007_ZF()% script_faster_rcnn_VOC2007_ZF()% Faster rcnn training and testing with Zeiler & Fergus m原创 2018-01-07 20:47:52 · 561 阅读 · 0 评论 -
对Faster R-CNN中anchors的理解
此处只是个人初步理解,或不准确!1、首先明确一下,anchors机制是在region proposal networks(rpn)中应用的,而rpn的作用是由图像生成候选区域(建议框)。以往,生成候选区域用的都是传统方法,比如选择性搜索(selective search),而faster rcnn首次提出用深度卷积神经网络来实现这一功能。2、首先关注一下这个卷积神经网络(亦即rpn)的输入和输出。原创 2018-01-18 21:22:18 · 4099 阅读 · 5 评论 -
Faster R-CNN训练VOC格式的数据集问题与解决
注:只因我被这问题困扰了几天,因此记下。在做目标检测时,采集数据并进行标注,是这项工作的第一个步骤。图像的采集过程自然不必多说,而之后的标注工作却是个体力活。网上应该有不少开源的工具,我用的是Github上的一个叫做“labelImg”的工具,其界面如图所示: 标注的图像信息会自动保存成xml格式。然而,在标住完成之后,准备训练时,却报错了: 首先,经过检查,我发现labelImg生成的xm原创 2018-01-30 10:45:24 · 2456 阅读 · 0 评论 -
Ubuntu环境下编译caffe-fast-rcnn出现"fatal error: hdf5.h: 没有那个文件或目录"的错误
我想跑一跑faster rcnn的resnet实现,因此从Github(https://github.com/Eniac-Xie/faster-rcnn-resnet)上下载了代码,并按照其指示(如下图)进行编译.我的环境是优麒麟16.04.当执行第4步中的"make all -j8"时,出现错误:fatal error: hdf5.h: 没有那个文件或目录.对于这样的错误,网上的答案很多,而且都...原创 2018-03-07 14:22:17 · 1457 阅读 · 1 评论 -
Faster RCNN的RPN是怎么实现回归的?
注:些许心得,或比较乱。首先来看RPN的损失函数:总损失=分类损失+回归损失。由于RPN的作用时生成候选区域,因此为2分类(是/否目标)问题。回归则是为了对目标区域更准确地定位。参考网络配置文件:回归损失采用方程:训练回归过程时,也需要标签信息。ti 和 ti* 分别为网络的预测值和回归的目标。;在训练RPN时需要准备好目标t*。它是通过ground-truth box(目标真实box)和anch...原创 2018-05-25 21:17:37 · 6589 阅读 · 2 评论