IceMiao433-CSDN博客

原创 indows下批处理文件（读取txt文件）

windows下批处理文件@TOCwindows下批处理文件（读取txt文件）for /f “delims=[” %%x in (requirments.txt) do conda install --yes %%x

2019-05-26 11:30:02 3270

原创 Python3解析MS-Celeb-1M人脸数据集中的FaceImageCroppedWithAlignment.tsv文件

下载并解压微软的大型人脸数据集MS-Celeb-1M（这里写链接内容）后，将FaceImageCroppedWithAlignment.tsv文件还原成JPG图片格式。代码如下：import base64import structimport osdef read_line(line): m_id, image_search_rank, image_url, page_ur...

2018-07-20 16:27:42 884 1

原创 771- Jewels and Stones[C++]

题目： You’re given strings J representing the types of stones that are jewels, and S representing the stones you have. Each character in S is a type of stone you have. You want to know how many of th...

2018-02-24 14:29:00 556

原创 MATLAB解析caffe训练日志并绘制曲线

公司机器上，使用python画图缺少一些库，但是又没有权限安装，所以考虑matlab。使用MATLAB画解析caffe的训练日志，其实就是找规律，代码如下：function loss_accuracy_visualization(logName)fid = fopen(logName, 'r'); fid_accuracy = fopen('output_accuracy.txt', 'w

2017-12-06 17:46:27 632

原创人脸识别CNN网络微调流程

目标微调论文”A Lightened CNN for Deep Face Representation”中的29层caffe网络。数据自己收集的包含500人的亚洲人脸数据集；训练数据准备 1.获得500人微调数据集之后，使用python源码工具将数据集划分为训练集和验证集：#!---* coding: utf-8 --*--#!/usr/bin/python"""将数据集随机分成训

2017-12-06 17:27:10 3458 1

原创 caffe提取某层特征进行人脸识别源码

在上一篇博文Classifier的c++类的基础上进行扩展，其中头文件Classifier.h如下：#include <caffe/caffe.hpp>#ifdef USE_OPENCV#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.

2017-11-22 18:10:36 2036

原创 caffe 分类源码解读

首先，新建一个Classifier的c++类，其中头文件Classifier.h如下：其中，Classifier函数：根据模型的配置文件.prototxt，训练好的模型文件.caffemodel，建立模型，得到net_；处理均值文件，得到mean_；读入labels文件，得到labels_。classify函数：调用Predict函数对图像img进行分类，返回std::pair< std::s

2017-11-22 16:38:50 567

原创 caffe模型训练小技巧

一、学习率调整一个对于调度学习率的建议：如果在验证集上性能不再增加就让学习率除以2或者5，然后继续，学习率会一直变得很小，到最后就可以停止训练了二、finetun微调 finetune的过程相当于继续训练，跟直接训练的区别是初始化的时候： a. 直接训练是按照网络定义指定的方式初始化（如高斯随机初始化） b. finetune是用你已经有的参数文件来初始化（就是之前训练

2017-11-06 11:58:07 565

原创 ImportError: No module named PIL - python36

错误描述：windows下运行代码：from PIL import Image运行时报错：ImportError: No module named PIL解决方法：开始—cmd—打开命令行界面；进入python安装目录下的scripts目录下（如：D:\Program Files (x86)\Python36-32\Scripts）：通过pip进行一键安装Pillow:pip install

2017-10-17 09:27:46 1499 1

原创 caffe中添加新的网络层

本文主要是在caffe中实现yolo，需要在caffe中添加新的网络层：LeakyLayer和DetectLayer。一、添加LeakyLayer层 1.创建hpp头文件leaky_layer.hpp 不同功能类型的层所引的头文件也不同，具体可以到“caffe/include/caffe/layers”目录下找相似的现成的文件参考,新添加的hpp文件也要放到该目录下。注意：命名的时候应严

2017-09-15 15:40:42 579

原创利用caffe-ssd训练物体检测模型

一.简介 1. 资源code：https://github.com/weiliu89/caffe/tree/ssdpaper:https://arxiv.org/abs/1512.02325 主要文件夹的用途examples/ssd/，存放了训练，测试的脚本，是主要操作的脚本data/，存放了训练、验证和测试所需的数据和代码python/caffe/model_libs.py，存放了生

2017-09-08 18:37:19 8805 3

原创 caffe源码解析之solver

Solver:网络的求解策略 Solver 主要是实现了训练模型参数所采用的优化算法，根据优化算法的不同会派生不同的类，而基于这些子类就可以对网络进行正常的训练过程。Solver的重要成员变量shared_ptr<Net<Dtype> > net_;//net对象protected的成员:shared_ptr net_ 是一个指向Net类型的智能指针（shared_ptr），Solver正是通

2017-08-22 10:43:00 412

原创 caffe源码解析之net

net:网络的整体骨架Net是对整个网络的表示，由各种 Layer 前后连接组合而成,Net用容器的形式将多个Layer有序地放在一起，其自身实现的功能主要是对逐层Layer进行初始化，以及提供Update( )的接口（更新网络参数），本身不能对参数进行有效地学习过程。Net的重要成员变量vector<shared_ptr<Layer<Dtype> > > layers_ //构成该net的laye

2017-08-22 10:42:36 538

原创 caffe源码解析之layer

Layer：网络的基础单元 Layer 是对神经网络中各种层的一个抽象，包括我们熟知的卷积层和下采样层，还有全连接层和各种激活函数层等等。同时每种 Layer 都实现了前向传播和反向传播，并通过 Blob 来传递数据。 Layer是网络模型和计算的核心，在数据存储上，主要分成bottom_vecs、top_vecs、weights&bias三个部分；在数据传递上，也主要分为LayerSetUp、

2017-08-22 10:41:55 534

原创 caffe源码解读之Blob

Blob是Caffe中最基础的数据结构，是用于保存学习到的参数以及网络传输过程中产生的数据的类，网络各层之间的数据是通过Blob来传递的。 Blob中的主要变量包括：shared_ptr<SyncedMemory> data_;//存储前向传播数据shared_ptr<SyncedMemory> diff_;//存储反向传播数据shared_ptr<SyncedMemory> shape_da

2017-08-15 19:38:20 524

原创 windows环境Caffe安装配置步骤（无GPU）

windows版本caffe安装包下载地址：https://github.com/Microsoft/caffe；安装配置步骤可参考博文：http://www.cnblogs.com/cxyxbk/p/5902034.html

2017-08-10 09:21:52 535

原创基于darknet框架分类器训练

文章参考链接地址：https://pjreddie.com/darknet/train-cifar/ 由于实际的业务数据的要求，需要得到与之匹配的预训练模型，本文将使用YOLO的网络进行预训练，得到适合自己的分类器。这篇文章主要介绍如何利用Darknet框架训练分类器。安装Darknet 若没有安装Darknet，需首先执行：git clone https://github.com/pjre

2017-07-27 08:57:12 14244 8

原创利用OpenCV自带的haartraining程序训练分类器并测试

关于opencv_haartraining OpenCV提供了两个程序可以训练自己的级联分类器opencv_haartraining与opencv_traincascade，opencv_haartraining是一个将被弃用的程序，opencv_traincascade是一个新程序，使用opencv 2.x API 以C++编写。这二者主要的区别是opencv_traincascade支持 Ha

2017-07-10 18:25:06 2837

原创利用OpenCV自带的traincascade程序训练分类器

级联分类器简介 OpenCV中的Adaboost级联分类是树状结构，如下图，其中每一个stage都代表一级强分类器。当检测窗口通过所有的强分类器时才被认为是目标，否则就认为当前窗口不是我们要找的目标。实际上，不仅强分类器是树状结构，强分类器中的每一个弱分类器也是树状结构。一个完整的弱分类器包含包含：Haar特征+leftValue+rughtValue+弱分类器阈值(threshold) 这

2017-07-10 17:32:16 6952

原创神经网络中的卷积运算解析

卷积运算是利用卷积核对图像中的每个像素进行的操作，卷积核实用来做图像处理时的矩阵，图像处理时也称为掩模，是与原图像做运算的参数。卷积核通常是一个四方形的网格结构（例如3*3的矩阵或像素区域），该区域上每个方格都有一个权重值。使用卷积进行计算时，需要将卷积核的中心位置放置在要计算的像素上，依次计算核中每个元素和其覆盖的图像像素值的乘积并求和，得到的结构就是该位置的新像素值。在卷积神经网络的计算

2017-06-29 10:50:59 6685

原创 ubuntu 16.04 安装opencv 3.2.0

环境： Ubuntu 16.04 64bit ，openCV 3.2.01.安装opencv依赖包GCC 4.4.x or laterCMake 2.6 or higherGitGTK+2.x or higher, including headers (libgtk2.0-dev) # 控制opencv GUI pkg-configPython 2.6 or later and Nump

2017-05-27 13:50:52 13309 3

原创缩减网络模型大小

目前常见的神经网络模型，模型大小差不多都在百M以上，有的甚至有几G,几十G的大小。将深度学习的模型运用于移动设备，比如手机输入法，对图像做变换做艺术效果的app,效果毋庸置疑是好的，但由于模型的size太大，给深度学习在移动端的应用带来了困难。可以设想一下，如果一个手机的app需要加载一个500M甚至1G以上的模型恐怕不太容易被用户接受。因此需要将大模型变成小模型，以供在移动设备上使用。针对

2017-05-25 15:44:12 3711

原创 YOLO v1,YOLO v2,YOLO9000算法总结与源码解析

1.YOLO v1简介 YOLO出自2016 CVPR 《You Only Look Once:Unified, Real-Time Object Detection》。YOLO将目标区域定位于目标类别预测整合于单个神经网络模型中，实现了在准确率较高的情况下快速目标检测与识别，YOLO达到了45帧每秒，Fast YOLO达到了155帧每秒，适用于实时的目标检测。YOLO利用单个卷积神经网络，将目标

2017-05-23 09:37:32 18958 2

原创批量复制指定文件

根据 “指定文件列表” 复制 “指定文件夹”下的文件到“新文件夹”下利用工具： http://www.okhang.com/tools/jstools/batcopyfiles.html

2017-05-18 17:27:54 1287

原创 category命令评估YOLO模型对每种物体检测的性能

将下面代码添加到darknet/src/detector.c中：void print_category(FILE **fps, char *path, box *boxes, float **probs, int total, int classes, int w, int h, float thresh, float iou_thresh){ int i, j; char labe

2017-05-18 17:06:03 2265 2

原创 YOLO模型训练可视化训练过程中的中间参数

等待训练结束后（有时还没等结束模型就开始发散了），因此需要检测各项指标（如loss）是否达到了我们期望的数值，如果没有，要分析为什么。可视化训练过程的中间参数可以帮助我们分析问题。可视化中间参数需要用到训练时保存的log文件：./darknet detector train cfg/tiny-yolo.cfg tiny-yolo_8000.conv.9 2>1 | tee person_trai

2017-05-18 15:06:39 15186 13

原创多通道卷积计算

对于单通道图像，若利用10个卷积核进行卷积计算，可以得到10个特征图；若输入为多通道图像，则输出特征图的个数依然是卷积核的个数（10个）。 1.单通道多个卷积核卷积计算一个卷积核得到的特征提取是不充分的，我们可以添加多个卷积核，比如32个卷积核，从而可以学习32种特征。2.多通道多个卷积核卷积计算图片：假设图片的宽度为width:W，高度为height:H，图片的通道数为D，一般目前都用R

2017-05-18 14:16:41 29359 10

原创神经网络中的参数解读

1.Batch_Size(批尺寸) 该参数主要用于批梯度下降算法(Batch Gradient Descent)中，批梯度下降算法是每次迭代都遍历批中的所有样本，由批中的样本共同决定最优的方向，Batch_Size 正是批中的样本数量。若数据集比较小，可以采用全数据集(Full Batch Learning)的形式，由全数据确定的方向能更好地代表样本总体，从而更准确地朝向极值所在的方向；但该种

2017-05-17 15:17:05 23483

原创 YOLO模型test计算流程

YOLO可以一次性预测多个目标框的位置和类别，其设计理念遵循端到端（原始图像输入到CNN网络中，直接输出图像中所有目标的位置和类别）训练和实时检测。目标检测的本质实际上是回归，即建立数学模型(CNN网络结构)并计算其中的未知参数，Tiny-yolo的网络结构如下：模型训练可以独立进行，应用中只需考虑测试过程的计算，下面主要分析对于给定的输入图片，如何计算得到目标框位置及其类别。测试流程如

2017-05-16 14:19:44 4577

原创如何删除文本或excel表格内包含某一字符的所有行

工作和学习中，我们往往需要删除一大段文本或者excel表格内包含某一字符的所有行。ps：如果只要删除所有的特定字符（注意不是删除所有行），那直接替换为空白就行了，不赘述。工具/原料 excel表格方法/步骤1.将需要处理的文本文件内容全部复制到excel表格，如果要处理的是excel文件则忽略这一步骤。如图所示，把示例文件全部拷贝到excel的A列。2.选中文件所在的列，按Ctrl+F查找，将

2017-05-15 15:00:51 38893

原创使用YOLOv2训练行人检测模型

关于训练YOLO v2模型过程中的经验总结。数据集：考虑到自己收集图片并标注，工作量较大，当前主要将包含行人的图片从已有的数据集PASCAL VOC中抽取出来，按照\VOCdevkit\VOC2007\ImageSets\Main中相应类别的txt文件，提取person_train.txt、person_val.txt、person_test.txt、person_trainval.txt中

2017-05-11 15:44:08 15767 8

转载欢迎使用CSDN-markdown编辑器

欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来，用它写博客，将会带来全新的体验哦：Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl

2017-05-11 15:42:55 280

原创支持向量机链接

http://blog.csdn.net/v_july_v/article/details/7624837/

2015-08-30 10:31:47 460

yudiemiaomiao的博客