Caffe 学习笔记,持续更新版。。

【工具类】

1.---------------------------------------------------------------------------------------------------------

标注工具:labelImg

工具说明:将标注信息转化成PASCAL VOC数据集的格式。方便训练。

2.---------------------------------------------------------------------------------------------------------

PY调试:ipython notebook

工具说明:可以分段调试python代码。

3.---------------------------------------------------------------------------------------------------------

网络可视化:Netscope

工具说明:http://ethereon.github.io/netscope/quickstart.html,支持Caffe·s prototxt

                    文件可视化。

4.---------------------------------------------------------------------------------------------------------

网络可视化:pydot,graphviz

# sudo pip install pydot

# sudo apt-get install graphviz

# python $CAFFE_ROOT/python/draw_net.py  [$net.prototxt] [1.jpg]

说明:通过caffe的python接口,可以利用draw_net.py 来将网络结构保存成1.jpg格式

---------------------------------------------------------------------------------------------------------

【基于Caffe框架的网络】

1. fast RCNN

{

}

2.faster RCNN

{

1)项目主页:

https://github.com/rbgirshick/py-faster-rcnn

2)状态:已重现   待训练、调参


3)论文笔记:http://www.mamicode.com/info-detail-867829.html

}

3.Residual Network

{

1)项目主页

https://github.com/KaimingHe/deep-residual-networks

2).状态:待重现

}

4.FCN:Fully Convolutional Networks for Segmantic Segmentation  (2015.X.XX)

{

1)项目主页

未公开

2).状态:待重现

3)论文:


4)相关链接:

          http://blog.csdn.net/tangwei2014
           http://blog.csdn.net/u010025211/article/details/51209504

5)论文笔记:

               http://www.w2bc.com/article/127291


}

5.R-FCN:ObjectDetectionvia Region-basedFullyConvolutionalNetworks(2016.5.20)

{

1)项目主页

未公开

2).状态:待重现

3)论文:http://pan.baidu.com/s/1bAlX3S


}

【Caffe 散知识阅读】

1.CNN中,1X1卷积核有什么用?

http://blog.csdn.net/u014114990/article/details/50767786

作用:1)实现跨通道的交互和信息整合

             2)进行卷积核通道数的降维和升维

2.论文笔记和caffe学习笔记的网站:

http://zhangliliang.com/    (SoftMax的笔记:http://zhangliliang.com/2015/05/27/about-caffe-code-softmax-loss-layer/)

3.

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值