随笔分类 -  caffe

Caffe学习记录(十三) OCNet分割网络学习
摘要：论文地址: https://arxiv.org/abs/1809.00916 pytorch实现地址: https://github.com/PkuRainBow/OCNet.pytorch 这篇论文主要创新了OCP object context pooling, 也就是把Self-attentio 阅读全文
posted @ 2019-03-01 13:56 InsistPy 阅读(862) 评论(0) 推荐(0)
Caffe学习记录(十二) ICNet分割网络学习二
摘要：在ICNet分割网络训练的过程中，发生了很郁闷的事情， 首先ICNet的训练数据准备，和segnet一样，需要准备原始数据，mask 已经对应的txt文件，格式为pathofdata 空格 pathofmask 在训练过程中，需要把mask转化为二值化也就是只包含0,1值的像素。 但是虽然转过了，还 阅读全文
posted @ 2018-11-12 16:04 InsistPy 阅读(764) 评论(0) 推荐(0)
Caffe学习记录(十一) ICNet分割网络学习
摘要：ICNet 是一个既考虑性能，又考虑准确率的分割网络，包含了语义分割和边缘精确分割，因为偶然看到就简单的了解一下，记录下来 论文是: ICNet for Real_time Semantic Segmentation on High Resolution Images，整篇文章都在讲如何在分割的过程 阅读全文
posted @ 2018-11-06 20:33 InsistPy 阅读(2182) 评论(0) 推荐(0)
Caffe学习记录(十) SegNet等分割网络学习
摘要：图像分割作为计算机视觉的一个方向，广泛应用在各个领域，记录一下学习的过程，以及各个网络的优缺点，不同的地方等。 最流行的方法是FCN，整个分割的流程大致可以看做如下： FCN顾名思义，全卷机网络，就是把fc层都换做1x1的卷积层，channel等价于fc层的输出个数。 FCN的架构为编码器，和解码器 阅读全文
posted @ 2018-11-02 18:19 InsistPy 阅读(1460) 评论(0) 推荐(0)
caffe学习记录（九） CRNN+BLSTM+CTC OCR识别，后续加上SSD做检测
摘要：https://github.com/senlinuc/caffe_ocr源代码在此，是基于senlnuc的模型进行学习的。 好长时间没更新学习博客了，之前一直在忙着做基网络模型的评测，以及tesseract 和其他Ocr的研究等。 更新一下最近学习的OCR检测，要求是速度要快，准确度要相对较高！ 阅读全文
posted @ 2018-10-12 17:50 InsistPy 阅读(4048) 评论(3) 推荐(0)
caffe学习记录(八) shufflenet学习记录
摘要：ShuffleNet(2017, Dec 7th)是Face++提出的一种轻量化网络结构，主要思路是使用Group convolution和Channel shuffle改进ResNet。Bottomneck结构，用两个1x1的filter来对channel维度进行压缩和恢复，节省大量的计算量。在s 阅读全文
posted @ 2018-09-15 17:55 InsistPy 阅读(858) 评论(0) 推荐(0)
caffe学习记录(七) Windows下基于Inter训练的核心加速技术，MKL
摘要：英特尔MKL-DNN专为在英特尔架构上加快深度学习框架的速度而设计，包含高度矢量化和线程化的构建模块，支持利用C和C++接口实施卷积神经网络。 经过测试MKL在向前传播的过程中，减少了矩阵相乘的速度，大大降低计算耗时。 阅读全文
posted @ 2018-09-12 17:15 InsistPy 阅读(346) 评论(0) 推荐(0)
caffe学习记录(六) MobileNet fine tune
摘要：记录在unbantu14.04， caffe框架下对MobileNet的自有数据集fine tune。 首先git clone一下caffe版本的mobilenet https://github.com/shicai/MobileNet-Caffe.git 然后把deploy.prototxt文件修 阅读全文
posted @ 2018-09-10 19:17 InsistPy 阅读(1698) 评论(1) 推荐(0)
caffe学习记录(五) SSD训练+SSDpelee测试
摘要：SSD就不多介绍了，是今年非常流行的Object detection 模型：对各大数据集的测试结果如下表。 首先要git weiliu版本的caffe 然后在unbantu上对caffe进行配置，百度一下教程 首先要准备VGG16 的模型without fc layer 的版本，下载地址:https 阅读全文
posted @ 2018-09-08 17:52 InsistPy 阅读(899) 评论(0) 推荐(0)
caffe学习记录(四) solver
摘要：对应之前的tensorflow的optimizor，再次回顾一下，solver就是使得loss最小化的方法。，对于一个数据集，我们需要优化的目标函数是整个数据集中所有数据loss的平均值。 其中，fW(x(i))计算的是数据x(i)上的loss, 先将每个单独的样本x的loss求出来，然后求和，最后 阅读全文
posted @ 2018-09-04 14:23 InsistPy 阅读(330) 评论(0) 推荐(0)
caffe学习记录(三) Blob，layer Net， solver配置文件的编写
摘要：Blob，layer Net， solver配置文件的编写 blob: 数据节点，4维数组:num, channel, width, height,相当于 一个tensor， n个tensor组成, n deminsional 矩阵。 在一个卷积层中，输入一张3通道图片，有96个卷积核，每个核大小为 阅读全文
posted @ 2018-09-04 14:10 InsistPy 阅读(264) 评论(0) 推荐(0)
caffe学习记录(二)
摘要：继续layer的学习。 cafee中的卷积层: param：只有一个为权重的学习率，两个的话第二个为bias的学习率，最终的学习率需要这个数乘以solver.prototxt配置文件中的base_lr。 num_output:卷积核个数 kernel_size": filter size,如果 h 阅读全文
posted @ 2018-09-04 11:30 InsistPy 阅读(266) 评论(0) 推荐(0)
caffe学习记录(一)
摘要：在深度学习零率，caffe是一个非常高效的的图像处理框架，结合了nvidia的cuda，cudnn加速技术，非常适合进行AI CNN方向的图像分类，回归，分割等。 但是由于caffe的教程较少，而且配置比较复杂，可能用的人没有tf那么广泛。 昨天在Ubantu14.04上配置了caffe, CUDA 阅读全文
posted @ 2018-09-04 10:41 InsistPy 阅读(376) 评论(0) 推荐(0)

隐藏