- 博客(46)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 yoloV3的惊艳结果--比较yoloV2
转自：https://zhuanlan.zhihu.com/p/35394369【目标检测简史】进击的YOLOv3，目标检测网络的巅峰之作浩克匠心计算视觉与深度学习老司机155 人赞了该文章YOLOv3的前世今生2015年，R-CNN横空出世，目标检测DL世代大幕拉开。各路豪杰快速迭代，陆续有了SPP，fast，faster版本，至R-FCN，速度与精度齐飞，区域推荐类网络大放异彩。奈何，未达实时...
2018-06-01 14:28:37
16078
3
转载 YOLO v3解读
转自：https://xmfbit.github.io/2018/04/01/paper-yolov3/YOLO的作者又放出了V3版本，在之前的版本上做出了一些改进，达到了更好的性能。这篇博客介绍这篇论文：YOLOv3: An Incremental Improvement。下面这张图是YOLO V3与RetinaNet的比较。可以使用搜索功能，在本博客内搜索YOLO前作的论文阅读和代码。YOLO...
2018-05-30 09:57:32
23095
2
转载 Mask RCNN之FCN
转自：https://blog.csdn.net/shenxiaolu1984/article/details/51348149Long, Jonathan, Evan Shelhamer, and Trevor Darrell. “Fully convolutional networks for semantic segmentation.” Proceedings of the IEEE Co...
2018-04-13 14:28:00
3723
转载 Mask-RCNN技术解析
转自：https://blog.csdn.net/linolzhang/article/details/71774168一. Mask-RCNN 介绍 上篇文章介绍了 FCN，这篇文章引入个新的概念 Mask-RCNN，看着比较好理解哈，就是在 RCNN 的基础上添加 Mask。 Mask-RCNN 来自于年轻有为的 Kaiming 大神，通过在 Faster-RCNN 的...
2018-04-13 14:23:28
1220
转载 【目标检测】Faster RCNN算法详解
转自：https://blog.csdn.net/shenxiaolu1984/article/details/51152614Ren, Shaoqing, et al. “Faster R-CNN: Towards real-time object detection with region proposal networks.” Advances in Neural Information P...
2018-04-13 14:05:57
726
转载 【目标检测】Fast RCNN算法详解
转自：https://blog.csdn.net/shenxiaolu1984/article/details/51036677Girshick, Ross. “Fast r-cnn.” Proceedings of the IEEE International Conference on Computer Vision. 2015.继2014年的RCNN之后，Ross Girshick在15年推...
2018-04-13 14:02:29
730
转载 【目标检测】RCNN算法详解
转自：https://blog.csdn.net/shenxiaolu1984/article/details/51066975#fnref:5Girshick, Ross, et al. “Rich feature hierarchies for accurate object detection and semantic segmentation.” Proceedings of the IE...
2018-04-13 13:58:18
640
转载 LeNet详细解读及实现
1 温习1.1 关于caffe的名称：caffe = convolutional architecture for fast feature embedding1.2 caffe.protoProtocol Buffers顾名思义这是一种协议接口，这是了解caffe功能之后，需要了解的第一件事情。有很多相关博客。简单看一下其结构：?12345678910<code class="hljs c...
2018-03-30 11:37:14
2580
转载 检测评价函数 intersection-over-union （ IOU ）
转自：http://blog.csdn.net/eddy_zheng/article/details/521266411、概念在目标检测的评价体系中，有一个参数叫做 IoU ，简单来讲就是模型产生的目标窗口和原来标记窗口的交叠率。具体我们可以简单的理解为： 即检测结果(DetectionResult)与 Ground Truth 的交集比上它们的并集，即为检测的准确率 IoU
2017-10-12 14:57:15
931
转载 CNN参数个数和连接个数计算详解
转自：http://www.cnblogs.com/ooon/p/5415888.html 之前所讲的图像处理都是小 patchs ，比如28*28或者36*36之类，考虑如下情形，对于一副1000*1000的图像，即106，当隐层也有106节点时，那么W(1)的数量将达到1012级别，为了减少参数规模，加快训练速度，CNN应运而生。CNN就像辟邪剑谱一样，正常人练得很
2017-09-18 15:29:31
15242
2
转载 强大的矩阵奇异值分解(SVD)及其应用
转自：http://blog.csdn.net/smartempire/article/details/28128727版权声明： 本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleast@gmail.com前言： 上一次写了关于
2017-08-30 17:36:59
659
转载 K-Means聚类算法及延伸
转自：http://www.cnblogs.com/pinard/p/6164214.html 首先要来了解的一个概念就是聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具
2017-08-30 11:41:56
1241
转载 caffe学习系列（10）：如何测试caffe训练出来的模型
方法一:caffe自带了测试命令，只需在caffe根目录输入：~/caffe-master$ ./build/tools/caffe test\ -model examples/mnist/lenet_train_test.prototxt \-weights examples/mnist/lenet_iter_10000.caffemodel\ -iteratio
2017-05-17 15:26:09
1336
转载 Caffe学习系列(9)：运行caffe自带的两个简单例子
转自：http://www.cnblogs.com/denny402/p/5075490.html为了程序的简洁，在caffe中是不带练习数据的，因此需要自己去下载。但在caffe根目录下的data文件夹里，作者已经为我们编写好了下载数据的脚本文件，我们只需要联网，运行这些脚本文件就行了。注意：在caffe中运行所有程序，都必须在根目录下进行，否则会出错1、mnist实
2017-05-11 11:19:14
657
转载 Caffe学习系列(8)：solver优化方法
转自：http://www.cnblogs.com/denny402/p/5074212.html上文提到，到目前为止，caffe总共提供了六种优化方法：Stochastic Gradient Descent (type: "SGD"),AdaDelta (type: "AdaDelta"),Adaptive Gradient (type: "AdaGrad"),Adam (t
2017-05-11 11:09:41
720
转载 Caffe学习系列(7)：solver及其配置
solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为# caffe train --solver=*_slover.prototxt在Deep Learning中，往往loss function是非凸的，没有解析解，我们需要通过优化方法来求解。solver的主要作用就是交替调用前向（forwar
2017-05-11 09:38:17
682
转载 Caffe学习系列(6)：Blob,Layer and Net以及对应配置文件的编写
转自：http://www.cnblogs.com/denny402/p/5073427.html深度网络(net)是一个组合模型，它由许多相互连接的层（layers)组合而成。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组，一种统一的内存接口，它详细
2017-05-10 14:42:26
652
转载 Caffe学习系列(5)：其它常用层及参数
转自：http://www.cnblogs.com/denny402/p/5072746.html本文讲解一些其它的常用层，包括：softmax_loss层，Inner Product层，accuracy层，reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-loss层和softmax层计算大致是相同的。softmax是一个
2017-05-10 10:26:55
636
转载 Caffe学习系列(4)：激活层（Activiation Layers)及参数
转自：http://www.cnblogs.com/denny402/p/5072507.html在激活层中，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bottom得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。输入：n*c*h*w输出：n*c*h*w
2017-05-09 16:49:06
658
转载 Caffe学习系列(3)：视觉层（Vision Layers)及参数
转自：http://www.cnblogs.com/denny402/p/5071126.html所有的层都具有的参数，如name, type, bottom, top和transform_param请参看上一篇文章。本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Response Normalizatio
2017-05-05 15:47:59
686
转载 Caffe学习系列(2)：数据层及参数
转自：http://www.cnblogs.com/denny402/p/5070928.html要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一层又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有很多
2017-05-04 14:45:45
662
转载 caffe windows学习：第一个测试程序
caffe windows编译成功后，就可以开始进行测试了。如果还没有编译成功的，请参考上一篇文章。一般第一个测试都是建议对手写字体minist进行识别。这个测试放在根目录下的 .\examples\mnist\ 文件夹内。1、下载数据。程序本身不带测试数据，需要去下载，测试数据为leveldb格式。你可以直接双击运行“get_mnist_leveldb.bat” 这个脚本自动下
2017-05-04 11:03:19
755
转载 caffe windows 学习第一步：编译和安装（vs2012+win 64)
转自：http://www.cnblogs.com/denny402/p/5041060.htm没有GPU，没有linux, 只好装caffe的windows版本了。我的系统是win10(64位），vs 2012版本，其它什么都没有装，因此会需要一切的依赖库。其实操作系统只要是64位就行了，无所谓版本，win7,win8,win10都行.1、安装vs2012。
2017-05-04 10:51:36
659
转载 Caffe学习系列(1)：安装配置ubuntu14.04+cuda7.5+caffe+cudnn
转自：http://www.cnblogs.com/denny402/p/5067265.html一、版本linux系统：Ubuntu 14.04 （64位）显卡：Nvidia K20ccuda: cuda_7.5.18_linux.runcudnn: cudnn-7.0-linux-x64-v4.0-rc二、下载Ubun
2017-05-03 17:03:55
664
转载 adaboost训练——强分类器训练原理
转自：http://blog.csdn.net/lanxuecc/article/details/52712085opencv中adaboost训练强分类器源码。adaboost训练强分类器的基本流程： 1、初始化训练样本的类别与权重分布。 2、迭代循环训练弱分类器。 3、将每次循环训练成的弱分类器与已经存在的弱分类器组成的强分类器。 4、根据当前强分类器计算正样本
2017-04-18 14:23:57
3091
转载 adaboost训练——弱分类器训练的opencv源码详解 （2）
转自：http://blog.csdn.net/lanxuecc/article/details/52689008接着上一个博客http://blog.csdn.net/lanxuecc/article/details/52688605在弱分类器训练的主体函数cvCreateCARTClassifier中我们看到主要是调用cvCreateMTStumpClassifier函数来训练得到
2017-04-18 14:20:48
938
转载 adaboost训练——弱分类器训练的opencv源码详解 （1）
转自：http://blog.csdn.net/lanxuecc/article/details/52688605opencv中adaboost训练弱分类器的主体代码是函数cvCreateCARTClassifier，这个函数通过大致逻辑是：1、通过调用训练结点函数cvCreateMTStumpClassifier来创建根结点 2、在要求弱分类器特征不只一个的情况下，通过分
2017-04-18 14:17:55
891
转载 adaboost训练——弱分类器训练原理
转自：http://blog.csdn.net/lanxuecc/article/details/52681525二叉决策树介绍二叉决策树由LeoBreiman和他的同事提出.他们称之为”分类和回归树(CART)”.OpenCV实现的就是”分类回归树”.简单地说，二叉决策树的每个结点表示对对象做判断的一个特征属性，将对象提供的属性值与该结点提供的属性值做对比，例如，判断一辆
2017-04-18 13:56:31
1873
转载 adaboost训练——参数详解
转自：http://blog.csdn.net/lanxuecc/article/details/52597244CreateSamples.exe参数详解这个可执行程序主要用来生成用于训练的正样本，位于\opencv\build\common目录下，老版本名字为：createsamples.exe 该程序的主函数中有四个分支：if( imagename && vecnam
2017-04-18 11:32:29
2590
转载 Caffe Windows版本的编译
Caffe Windows版本的编译 (2014-11-13 14:14:59)原文地址：http://blog.sina.com.cn/s/blog_52f26d0f0102v6hm.html仅备份，未验证1：Caffe的主版本只支持Linux，所以要下载专门的Caffe Windows版本，网址为https://gi
2015-12-01 14:24:42
1976
转载 如何在Windows环境下的VS中安装使用Google Protobuf完成socket通信
转自：http://blog.csdn.net/monkey_d_meng/article/details/5894910Google虽然把Protobuf做成了跨平台、跨语言，但作为微软的死对头，它在readme.txt文件的第一句话就表明了态度：为了考虑部分MSVC的用户，Protobuf提供了针对VS的安装说明，但Protobuf最好用于Unix环境下。在上一篇博客中，我介绍了如何在
2015-12-01 09:54:25
826
转载 Cannot open include file: 'getopt.h': No such file or directory
转自：http://blog.csdn.net/fan_hai_ping/article/details/8058811GetOpt库下载GetOpt.h是一个GNU标准库的头文件，它包含一些从命令行上提取参数的工具用于基于文本C/C++应用程序。因为getopt.h不是ANSI C标准库的一部分，getopt必须编译到每个使用它的项目中，或者编译它倒一个静态类，显式的链接到程
2015-11-12 10:56:16
5381
转载 windows下使用VS2010编译jpeglib
windows下使用VS2010编译jpeglib转自：http://blog.csdn.net/dgyanyong/article/details/22970213 1、下载源代码下载地址：http://www.ijg.org/files/， 选择最新版本的windows版本压缩包，进行下载。 jpegsr9a.zip 1042 Kb Su
2015-07-23 14:19:41
794
转载 vs2010配备boost编程环境
vs2010配备boost编程环境转自：http://blog.csdn.net/johnnyhu90/article/details/9097711 JohnnyHu90的专栏第一步：下载boost，我下载的方法是从http://www.boost.org/上找最新的下载。名字叫boost_1_53_0。 第二步：在D盘（最新的boost_
2015-07-17 10:18:52
704
转载 FaceNet--Google的人脸识别
转自：http://blog.csdn.net/stdcoutzyx/article/details/46687471引入随着深度学习的出现，CV领域突破很多，甚至掀起了一股CV界的创业浪潮，当次风口浪尖之时，Google岂能缺席。特贡献出FaceNet再次刷新LFW上人脸验证的效果记录。本文是阅读FaceNet论文的笔记，所有配图均来自于论文。 Fac
2015-07-08 11:13:46
1803
转载 DeepFace--Facebook的人脸识别
转自：http://blog.csdn.net/stdcoutzyx/article/details/46776415连续看了DeepID和FaceNet后，看了更早期的一篇论文，即FB的DeepFace。这篇论文早于DeepID和FaceNet，但其所使用的方法在后面的论文中都有体现，可谓是早期的奠基之作。因而特写博文以记之。DeepFace基本框架人脸识别的基本流程是：dete
2015-07-08 11:02:51
1483
转载 卷积神经网络
卷积神经网络转载请注明：http://blog.csdn.net/stdcoutzyx/article/details/41596663自今年七月份以来，一直在实验室负责卷积神经网络（Convolutional Neural Network，CNN），期间配置和使用过theano和cuda-convnet、cuda-convnet2。为了增进CNN的理解和使用，特写此博文，以其与人交流，互
2015-06-18 14:18:49
958
转载 DeepID人脸识别算法之三代
作者：张雨石 转自：张雨石的博客DeepID，目前最强人脸识别算法，已经三代。如今，深度学习方兴未艾，大数据风起云涌，各个领域都在处于使用深度学习进行强突破的阶段，人脸识别也不例外，香港中文大学的团队使用卷积神经网络学习特征，将之用于人脸识别的子领域人脸验证方面，取得了不错的效果。虽然是今年7月份才出的成果，但连发三箭，皆中靶心，使用的卷积神经网络已经改进了三次，破竹之势节节高。故而
2015-06-18 14:05:50
907
转载 Gabor滤波器的代码实现
实现方法一转自：http://blog.csdn.net/yao_zhuang/article/details/2532279下载cvgabor.cpp和cvgabor.h到你的C/C++工程目录下注：改进过的cvgabor类，链接为：http://download.csdn.net/source/490114特别注意：使用该类需要opencv库的支持，如何配置环境参见
2015-01-15 11:18:08
2624
转载 Gabor滤波器原理
一、什么是Gabor函数（以下内容含部分翻译自维基百科） 在图像处理中，Gabor函数是一个用于边缘提取的线性滤波器。Gabor滤波器的频率和方向表达同人类视觉系统类似。研究发现，Gabor滤波器十分适合纹理表达和分离。在空间域中，一个二维Gabor滤波器是一个由正弦平面波调制的高斯核函数。 还有，生物学实验发现，Gabor滤波器可以很好地近似单细胞的感受野函数
2015-01-15 09:20:52
7496
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人