【图像】Deep Learning
查志强
图像处理模式识别机器视觉
展开
-
Caffe调参相关问题整理
【原文:http://blog.csdn.net/ccug_blog/article/details/46866335】================ 格式 ================问题n:问题详细描述:解决办法:参考:提问者:解答者:================ 格式 ================转载 2015-08-22 14:34:16 · 1379 阅读 · 0 评论 -
caffe study(5) - AlexNet 之算法篇
【原文:http://blog.sina.com.cn/s/blog_eb3aea990102v5px.html】在机器学习中,我们通常要考虑的一个问题是如何的“以偏概全”,也就是以有限的样本或者结构去尽可能的逼近全局的分布。这就要在样本以及结构模型上下一些工夫。在一般的训练任务中,考虑的关键问题之一就是数据分布是否合理:首先是数据集的覆盖度,也就是数据集是否能够覆盖样本空间;其次还要转载 2015-08-06 16:09:08 · 965 阅读 · 0 评论 -
RCNN的安装与简单使用
【原文:http://blog.csdn.net/kuaitoukid/article/details/46740477】最近准备从物体检测的角度来重新审视文本检测这个方向,所以看了下CNN大火以后的几篇经典文献,OverFeat,Region CNN, Dense Neural Pattern等等。对这个方向来说,百闻不如一试,趁着其他程序还在跑没什么事,我安装了一下RCNN转载 2015-09-08 17:33:16 · 742 阅读 · 0 评论 -
Windows下编译fast rcnn
【原文:http://blog.csdn.net/happynear/article/details/46822109】一、准备caffe-windows:https://github.com/happynear/caffe-windows。如果你的caffe-windows版本是2015/07/09之前下载的,请重新下载并重新编译。重新编译时请首先编译python接口,因转载 2015-09-08 17:30:29 · 889 阅读 · 0 评论 -
【Caffe】训练ImageNet模型
【原文:http://blog.csdn.net/pirage/article/details/17553549】Caffe训练ImageNet使用的是NIPS 2012 paper论文的算法。 1、准备数据。假设已经下载好数据集和验证集,存储路径为:/path/to/imagenet/train/n01440764/n01440764_10026.JP转载 2015-07-24 16:20:38 · 1183 阅读 · 0 评论 -
【Caffe】训练MNIST数据集模型
【原文:http://blog.csdn.net/pirage/article/details/17553487】1、准备数据。可以从MNIST官网上下载数据,或者执行data文件夹里get_mnist.sh文件(需要安装wget或者gunzip),下载成功会有如下两个数据集:/data/mnist-train-leveldb和/data/mnist-test-leve转载 2015-07-24 13:55:35 · 837 阅读 · 0 评论 -
caffe for windows 训练cifar10
【原文:http://www.th7.cn/system/win/201411/77318.shtml】1 cifar10数据库60000张32*32 彩色图片 共10类50000张训练10000张测试下载cifar10数据库:http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz这是bi转载 2015-07-24 11:06:07 · 660 阅读 · 0 评论 -
Caffe相关C++接口实例
Caffe相关接口实例:c++的接口:https://github.com/BVLC/caffe/blob/master/examples/cpp_classification/classification.cpppython的接口:http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/classificati原创 2015-07-24 10:57:51 · 3257 阅读 · 0 评论 -
Caffe For Windows VS2012完整版,带第三方库
Caffe For Windows VS2012完整版,带第三方库http://download.csdn.net/detail/thesby/8411969转载 2015-07-24 10:44:35 · 1561 阅读 · 0 评论 -
贾扬清分享_深度学习框架caffe
【原文:http://www.datakit.cn/blog/2015/06/12/online_meet_up_with_yangqing_jia.html】Caffe是一个清晰而高效的深度学习框架,其作者是博士毕业于UC Berkeley的 贾扬清,目前在Google工作。本文是根据机器学习研究会组织的online分享的交流内容,简单的整理了一下。目录1、caffe转载 2015-08-04 15:59:16 · 2499 阅读 · 0 评论 -
从特征描述符到深度学习:计算机视觉发展20年
【原文:http://cs2.swfc.edu.cn/~zyl/?p=2184】从特征描述符到深度学习:计算机视觉发展20年从特征描述符到深度学习:计算机视觉发展20年Author: Tomasz Malisiewicz翻译:赵毅力(panovr at gmail dot com)我们都知道在过去两年(2012-2014年)深度卷积神经网络在目标检测与识别的基准测试中有转载 2015-08-04 15:36:25 · 2131 阅读 · 0 评论 -
caffe study(4) - 优化算法基本原理
【原文:http://blog.sina.com.cn/s/blog_eb3aea990102v41r.html】机器学习就两个问题,一个是model的定义,一个就是如何优化,model是战略,优化则是执行。在Caffe现在的版本中,主要使用了三种优化算法SGD、AdaGrad、以及NAG,这三种算法快速、高效,缺点就是极容易收敛到局部极值点或者不容易收敛。a. 就个人理解来说转载 2015-08-06 17:00:21 · 584 阅读 · 0 评论 -
Caffe中的优化方法
【原文:http://demo.netfoucs.com/danieljianfeng/article/details/42931721】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。Caffe通过协调的进行整个网络的前向传播推倒以及后向梯度对参数进行更新,试图减小损失。 Caffe已经封装好了三种优化方法,分别转载 2015-08-06 18:03:53 · 659 阅读 · 0 评论 -
如何在Caffe中配置每一个层的结构
【原文:http://demo.netfoucs.com/danieljianfeng/article/details/42929283】最近刚在电脑上装好Caffe,由于神经网络中有不同的层结构,不同类型的层又有不同的参数,所有就根据Caffe官网的说明文档做了一个简单的总结。1. Vision Layers1.1 卷积层(Convolution)转载 2015-08-07 11:13:52 · 606 阅读 · 0 评论 -
CNN训练中的技巧
【原文:http://www.cnblogs.com/jianyingzhou/p/4346287.html】转自:http://weibo.com/p/1001603816330729006673说明:这个翻译应该是来自原文:http://yyue.blogspot.hk/2015/01/a-brief-overview-of-deep-learning.html转载 2015-08-22 14:09:10 · 1929 阅读 · 0 评论 -
深度学习调参备忘
【原文:http://blog.csdn.net/yingyujianmo/article/details/45196333】CNNs调参备忘:在所有深度网络中,卷积神经网和图像处理最为密切相关,卷积网络在很多图片分类竞赛中都取得了很好的效果,但卷积网调参过程很不直观,很多时候都是碰运气。为此,卷积网络发明者Yann LeCun的得意门生Matthew Zeiler在201转载 2015-08-22 14:38:55 · 1246 阅读 · 0 评论 -
论文提要“Selective Search for Object Recognition”
【原文:http://blog.csdn.net/cv_family_z/article/details/46727519】这篇2012年的IJCV使用分割和穷举搜索的方法产生目标proposal,最近出现的R-CNN就是在这些proposal上学习特征进行目标识别的,目标proposal是相对于滑动窗产生的候选框来说的,proposal的数量要少很多。区域可以归并到一起的原因转载 2015-09-10 16:39:28 · 804 阅读 · 0 评论 -
深度学习模型之各种caffe版本(Linux和windows)的网址和配置
【原文:http://www.th7.cn/system/win/201507/121664.shtml】caffe官网:http://caffe.berkeleyvision.org/1.最原始的最开始版本:伯克利BVLC版https://github.com/BVLC/caffe主要在Linux上运行,有matlab和Python接口傻瓜转载 2015-08-20 17:14:41 · 1089 阅读 · 0 评论 -
R-CNN detection
【原文:http://nbviewer.ipython.org/github/ouxinyu/ouxinyu.github.io/blob/master/MyCodes/caffe-master/detection.ipynb】R-CNN detectionR-CNN是一个非常优秀的目标检测模型,虽然相比今天很多state-of-the-转载 2015-09-10 14:11:30 · 1400 阅读 · 0 评论 -
RCNN & SPP-net & Fast-RCNN & Faster-RCNN
【原文:http://blog.sina.com.cn/s/blog_9ae57c020102vopp.html】先截个图,这就是RCNN的原理图。& SPP-net & Fast-RCNN & Faster-RCNN" title="RCNN & SPP-net & Fast-RCNN & Faster-RCNN" style="margin:0px; padding:0px转载 2015-09-10 16:59:24 · 2891 阅读 · 0 评论 -
【深度学习】研究Fast rcnn代码
【原文:http://blog.sina.com.cn/s/blog_855a82cd0102vnjq.html】原文:http://arxiv.org/pdf/1504.08083.pdf代码:https://github.com/rbgirshick/fast-rcnn1.准备工作1.1 软件准备 首先,需要安装Caffe和pycaffe。转载 2015-09-10 16:34:01 · 1559 阅读 · 0 评论 -
论文笔记 《Object detection via a multi-region & semantic segmentation-aware CNN model》
【原文:http://zhangliliang.com/2015/05/17/paper-note-ms-cnn/】论文出处:http://arxiv.org/abs/1505.01749写在前面今天连看了Fast RCNN和这一篇,一开始以为这篇会是Fast RCNN的加强版。看了之后发现不是,这篇提出的框架更像是SPP-Net的加强版,因为这篇并没有实现joint转载 2015-09-10 16:31:16 · 3347 阅读 · 0 评论 -
论文笔记 《Fast R-CNN》
【原文:http://zhangliliang.com/2015/05/17/paper-note-fast-rcnn/】论文出处见:http://arxiv.org/abs/1504.08083项目见:https://github.com/rbgirshick/fast-rcnnR-CNN的进化版,0.3s一张图片,VOC07有70的mAP,可谓又快又强。而且rbg的转载 2015-09-10 16:14:00 · 706 阅读 · 0 评论 -
神经网络入门 第一部分
【原文:http://blog.sina.com.cn/s/blog_6a67b5c50100tspb.html】【翻译】AI:神经网络入门 第一部分英文原文链接:http://www.codeproject.com/KB/recipes/NeuralNetwork_1.aspx作者:Sacha Barber翻译:本站(http://hi.bai转载 2015-08-08 15:45:55 · 1335 阅读 · 0 评论 -
Caffe 深度学习框架上手教程
【原文:http://www.open-open.com/lib/view/open1421995285109.html】阅读目录Caffe的优势Caffe的网络定义数据及其导数以blobs的形式在层间流动。Caffe的各层定义训练网络安装了CUDA之后,依次按照Caffe官网安装指南安装BLAS、OpenCV、Boost即可。Caffe跑跑MNIST试试让Caffe生成的转载 2015-07-24 10:31:08 · 1631 阅读 · 0 评论 -
Caffe Windows版本的编译
【原文:http://blog.sina.com.cn/s/blog_52f26d0f0102v6hm.html】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://github.com/niuzhiheng/caffe该版本需要的环境如下1)Windows 64-bit2)MS Visual转载 2015-07-24 10:47:17 · 1066 阅读 · 0 评论 -
Deep Learning 优化方法总结
【原文:https://yufeigan.github.io/2014/11/29/Deep-Learning-%E4%BC%98%E5%8C%96%E6%96%B9%E6%B3%95%E6%80%BB%E7%BB%93/】Stochastic Gradient Descent (SGD)SGD的参数在使用随机梯度下降(SGD)的学习方法时,一般来说有以下几个可供调节的参数:转载 2015-08-07 16:20:18 · 654 阅读 · 0 评论 -
神经网络入门 第二部分
【原文:http://blog.sina.com.cn/s/blog_6a67b5c50100tspe.html】【翻译】AI:神经网络入门 第二部分 英文原文链接:http://www.codeproject.com/KB/recipes/Backprop_ANN.aspx作者:Sacha Barber翻译:本站(http:转载 2015-08-08 15:47:43 · 856 阅读 · 0 评论 -
caffe study- AlexNet 之结构篇
【原文:http://blog.sina.com.cn/s/blog_eb3aea990102v47i.html】在2012年的时候,Geoffrey和他学生Alex为了回应质疑者,在ImageNet的竞赛中出手了,刷新了image classification的记录,一举奠定了deep learning 在计算机视觉中的地位。后边的故事大家都知道了,deep learning一统天下,所转载 2015-07-28 15:47:09 · 1356 阅读 · 0 评论 -
学习笔记:AlexNet&Imagenet学习笔记
【原文:http://blog.csdn.net/lynnandwei/article/details/44411465】ImageNet(http://www.image-net.org)是李菲菲组的图像库,和WordNet 可以结合使用 (毕业于Caltech;导师:Pietro Perona;主页:http://vision.stanford.edu/~feifeili/)转载 2015-07-28 15:07:39 · 2050 阅读 · 0 评论 -
Caffe代码结构
【原文:https://yufeigan.github.io/2014/12/09/Caffe%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B01-%E5%AE%89%E8%A3%85%E4%BB%A5%E5%8F%8A%E4%BB%A3%E7%A0%81%E7%BB%93%E6%9E%84/】目录结构caffe文件夹下主要文件: 这表示文件夹data转载 2015-08-07 16:31:21 · 955 阅读 · 0 评论 -
caffe 网络结构几个部分简单介绍
【原文:http://wenku.baidu.com/link?url=bk0n8T7rSeIceuVcn67XEubZMPyPlolirXhfc3PpyzolHJu6WhDqzN1mNxry7Fis4Ve5TJH1olqrBuyIv-akgFW0UpajJKsHhHt3m8sjU8i】下面这个 复制于一片知乎首先应该了解下几个大的类,比如blob,net,layer,solver,然转载 2015-08-07 17:10:56 · 1438 阅读 · 0 评论 -
Caffe:Layer的相关学习
【原文:https://yufeigan.github.io/2014/12/09/Caffe%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B03-Layer%E7%9A%84%E7%9B%B8%E5%85%B3%E5%AD%A6%E4%B9%A0/】LayerLayer是所有层的基类,在Layer的基础上衍生出来的有5种Layers:data_lay转载 2015-08-07 16:50:56 · 1027 阅读 · 0 评论 -
Caffe @CVPR2015 Tutorial
Caffe @CVPR2015 Tutorial:http://tutorial.caffe.berkeleyvision.org/原创 2015-07-08 10:09:14 · 700 阅读 · 0 评论 -
贾扬清:希望Caffe成为深度学习领域的Hadoop
【原文:http://www.csdn.net/article/2015-07-07/2825150】摘要:在深度学习的热潮下,Caffe作为一个高效、实用的深度学习框架受到了广泛的关注。《程序员》记者近日深度对话Caffe作者贾扬清,剖析Caffe的起源、目标、差异性、现存的一些问题和改进工作,以及未来的规划。在深度学习(Deep Learning)的热潮下,Caffe作转载 2015-07-08 10:05:43 · 1376 阅读 · 0 评论 -
关于caffe-windows中 compute_image_mean.exe出现的问题
【原文:http://blog.csdn.net/yeyang911/article/details/46679111】这两天有兴致装了下caffe,感受下这个框架。但是在这个过程中遇到很多问题,我把碰到的问题和解决方案写下,便于后人快速上手。compute_image_mean.exe 编译出来后,执行数据变换时,出现下图的情况。转载 2015-07-27 13:59:43 · 1644 阅读 · 0 评论 -
Caffe Layer结构
【原文:http://www.cnblogs.com/nwpuxuezha/p/4302024.html】原文链接:caffe.berkeleyvision.org/tutorial/layers.html创建caffe模型,首先要在protocol buffer 定义文件(prototxt)中定义结构。在caffe环境中,图像的明显特征是其空间结构。转载 2015-08-08 15:24:23 · 770 阅读 · 0 评论 -
caffe的输入
【原文:http://www.cnblogs.com/jianyingzhou/p/4092680.html】决定将caffe分为几个部分进行总结,首先是第一部分,输入数据以及输入层。首先从输入数据对BP的影响开始介绍。sgd的随机性由于是sgd,因此样本一定要shuffle。BP中说到,样本选择遵循俩个原则:1.shuffle,让样本囊括所有类,2. 使得误差转载 2015-08-22 14:16:27 · 1063 阅读 · 0 评论 -
看懂卷积神经网络(CNN)
【原文:http://blog.csdn.net/u010545732/article/details/19761585】在所有深度网络中,卷积神经网和图像处理最为密切相关,卷积网在很多图片分类竞赛中都取得了很好的效果,但卷积网调参过程很不直观,很多时候都是碰运气。为此,卷积网发明者Yann LeCun的得意门生Matthew Zeiler在2013年专门写了一篇论文,阐述了如何用转载 2015-08-22 14:25:09 · 1812 阅读 · 0 评论 -
windows+caffe+vs2013+cuda6.5配置记录
【原文:http://www.mamicode.com/info-detail-850073.html】隔了大半年,因为论文的需要,又重新开始研究caffe。感谢niuzhiheng’s GitHub大神的贡献,caffe已经可以在Windows下使用了。参考了很多大神的博客,成功的在自己的笔记本配置好了Windows版本的caffe。现将自己的配置过程和配置中遇到的问题记录下来,希望转载 2015-07-24 10:24:54 · 1371 阅读 · 1 评论