- 博客(10)
- 资源 (5)
- 收藏
- 关注
原创 Faster-Rcnn训练出现的问题
以下问题是在Ubuntu下用faster rcnn(caffe与matlab)训练时所遇到的,我的解决方法不见得对其他人都使用:1、错误使用 containers.Map/values,此容器中不存在指定的键。出错 roidb_from_voc>attach_proposals (line 172)gt_classes = class_to_id.values({voc_rec.objec
2017-12-27 22:18:02 5095 2
转载 Faster RCNN解析
在介绍Faster R-CNN之前,先来介绍一些前验知识,为Faster R-CNN做铺垫。一、基于Region Proposal(候选区域)的深度学习目标检测算法Region Proposal(候选区域),就是预先找出图中目标可能出现的位置,通过利用图像中的纹理、边缘、颜色等信息,保证在选取较少窗口(几千个甚至几百个)的情况下保持较高的召回率(IoU,Intersection-over-Union
2017-12-20 17:56:29 1269
转载 基于matlab的卷积神经网络(CNN)讲解及代码
经典反向传播算法公式详细推导 卷积神经网络(CNN)反向传播算法公式详细推导网上有很多关于CNN的教程讲解,在这里我们抛开长篇大论,只针对代码来谈。本文用的是matlab编写的deeplearning toolbox,包括NN、CNN、DBN、SAE、CAE。在这里我们感谢作者编写了这样一个简单易懂,适用于新手学习的代码。由于本文直接针对代码,这就要求读者有一定的CNN基础,可以参考Lecun的
2017-12-19 15:26:12 78129 52
转载 图像特征提取三大法宝:HOG特征,LBP特征,Haar特征
(一)HOG特征1、HOG特征:方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal在2
2017-12-14 22:09:18 1639
原创 神经网络入门基础文章
1、神经网络基本原理介绍:(1)深度神经网络(DNN)模型与前向传播算法:http://www.cnblogs.com/pinard/p/6418668.html(2)深度神经网络(DNN)反向传播算法(BP):http://www.cnblogs.com/pinard/p/6422831.html(3)深度神经网络(DNN)损失函数和激活函数的选择:http://
2017-12-13 18:06:59 499
转载 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
转载自:http://blog.csdn.net/zhuiqiuk/article/details/72935081关于卷积神经网络CNN,网络和文献中有非常多的资料,我在工作/研究中也用了好一段时间各种常见的model了,就想着简单整理一下,以备查阅之需。如果读者是初接触CNN,建议可以先看一看“Deep Learning(深度学习)学习笔记整理系列”中关于CNN的介绍[1],是介绍我们常说的Le
2017-12-13 17:58:05 501
转载 神经网络的激活函数
神经网络之激活函数(Activation Function)转载自:http://blog.csdn.net/cyh_24/article/details/50593400 本博客仅为作者记录笔记之用,不免有很多细节不对之处。 还望各位看官能够见谅,欢迎批评指正。 更多相关博客请猛戳:http://blog.csdn.net/cyh_24 如需转载,请附上本文链接:http://blog.
2017-12-12 20:29:05 688
转载 CNN 卷积神经网络结构
CNN转载自:http://blog.csdn.net/zhongkeli/article/details/51854619在介绍CNN网络之前,我们先介绍下卷积的含义:大家学习数学时都有学过卷积的知识,微积分中卷积的表达式为:S(t)=∫x(t−a)w(a)daS(t)=∫x(t−a)w(a)da离散形式是:s(t)=∑ax(t−a)w(a)s(t)=∑ax(t−a)w(a)这个式子
2017-12-12 15:20:37 1001
原创 模式识别之特征提取算法
说明:此处暂时简单介绍下各种特征提取算法,后续完善。前言:模式识别中分类器进行分类识别时,判断的依据就是图像特征。最简单的你可以把整幅图像的像素矩阵作为图像特征进行训练和判断分类,但毕竟该特征太过简单并不是都适用,所以下面介绍一下各种分类器训练所需要特征的提取算法,如LBP、不变矩、小波矩。1、LBP特征提取算法答:LBP(Local Binary Patterns,局部二值模式)是提
2017-12-11 22:02:24 48070 1
原创 车牌识别系统概述
车牌识别系统总的来说,国内不管科研还是商用方面都很成熟了,基本处于世界先进甚至领先的水平。对于目前常见的收费站、红绿灯路口、学校、机关政府等进出口的固定环境车牌识别准确率基本都可以达到99.5%以上。车牌识别的主要步骤分为:车牌定位、字符分割、字符识别;(1)车牌定位:在车牌识别中是很关键的一步,尤其是对于图像背景较为复杂的情况下,要提高车牌定位准确率也不是件容易的事。车牌定位包括车牌
2017-12-03 22:36:02 6073
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人