随笔分类 -  Deep Learning

YOLO算法的ZYNQ移植尝试（SDx方法、ARM部分）
摘要：尝试直接从官网移植 1. 需要将include/darknet.h文件copy到src 2. 发现老是报错，说代码有问题network net = parse_network_cfg(cfgfile);报错 （network和network*的问题），查看源代码，代码应该无问题。。。。 在windo 阅读全文
posted @ 2018-04-10 17:08 Osler 阅读(7997) 评论(3) 推荐(0)
YOLO算法学习
摘要：YOLO原理：https://zhuanlan.zhihu.com/p/24916786?refer=xiaoleimlnote 借鉴GoogLeNet，有24个卷积层+2个全连接层：卷积层负责特征提取，全连接层做分类回归。 检测的步骤： 1.对图像缩放到448*448，图像分割为7*7（S*S）个 阅读全文
posted @ 2018-04-10 16:16 Osler 阅读(660) 评论(0) 推荐(0)
文章阅读：Ten Years of Pedestrian Detection, What Have We Learned?[2014，ECCV]
摘要：文章对很多方法在各方面进行对比分析，得出一些影响行人检测结果的因素。 方法很多，对方法本身的描述阐释的比较少。我也主要对结论进行翻译整理： 水平有限，难免错漏。 摘要： 目前的检测方法主要可分为三类，这三类的检测效果近似。 1. 引言： 行人检测是目标检测的典型实例。应用广泛。行人检测的问题定位明确 阅读全文
posted @ 2018-02-07 17:59 Osler 阅读(218) 评论(0) 推荐(0)
文章阅读：A survey of techniques for human detection from video[2006]
摘要：1. 摘要： human检测的方法分类：需要预先处理的方法；直接检测的方法。 文章在各种全身检测和分类的方法中选择了部分代表性论文来论述。并不致力于做到综合所有，也不关注人脸检测、手势检测或者行为分类等专业领域。 2. 总述： 我们的问题是：从给定的视频或者图像中找到人。相关文献中的技术可以分为两类 阅读全文
posted @ 2018-02-07 17:58 Osler 阅读(230) 评论(0) 推荐(0)
深度学习基础一：深度学习算法 2017-09-19
摘要：按应用分类： 学习方法： 降维算法 检测算法： 阅读全文
posted @ 2018-02-07 17:55 Osler 阅读(175) 评论(0) 推荐(0)
深度学习基础一：深度学习框架 2017-09-19
摘要： 阅读全文
posted @ 2018-02-07 17:54 Osler 阅读(165) 评论(0) 推荐(0)
TensorFlow SSD代码的运行，小的修改
摘要：原始代码地址 需要注意的地方： 1.需要将checkpoint文件解压，修改代码中checkpoint目录为正确。 2.需要修改img读取地址 改动的地方：原始代码检测后图像分类是数字号，不能直接可读，如下 修改代码后的结果如下： 修改代码文件visualization.py即可。代码如下：（修改部 阅读全文
posted @ 2017-10-18 16:15 Osler 阅读(4809) 评论(3) 推荐(0)
TensorFlow入门：Graph
摘要：TensorFlow的计算都是基于图的。 如果不特殊指定，会使用系统默认图。只要定义了操作，必然会有一个图（自定义的或启动默认的）。 自定义图的方法： 查看系统当前的图： 如果想讲自定义的图设置为默认图，可使用如下指令： 在某个图内定义变量及操作（'collections'），需要在对应图的命名范围 阅读全文
posted @ 2017-10-18 16:10 Osler 阅读(2690) 评论(0) 推荐(1)
TensorFlow入门：debug方法
摘要：debug示例代码： 使用命令行（command line interface）方法来调试 在代码中增加调试方法很简单，就是增加一个调试命令，调试的原理类似于增加一个操作来转存中间量 通过CLI来显示结果。 debug教程 阅读全文
posted @ 2017-10-18 16:09 Osler 阅读(335) 评论(0) 推荐(0)
TensorFlow入门：MNIST预测[restore问题]
摘要：变量的恢复可按照两种方式导入： 或者： 两种方法的效果应该一致，但是实际结果不一样： 使用前者时预测结果是一致的；使用后者时，每次运行结果都不一致。无论是否重启spyde，现象都一样。 在使用前者时，必须在运行前重启spyde，否则会报错，为什么？Out_1等参数会随运行次数增加 以上需要重启spy 阅读全文
posted @ 2017-10-18 16:07 Osler 阅读(1197) 评论(0) 推荐(0)
TensorFlow入门：TensorBoard使用（No scalar data was found的问题）
摘要：1.输入命令开启TensorBoard： 2.如果安装了TensorBoard，可以直接使用命令： 3.输入命令后，结果显示： 4.此时，到网页上输入地址即可打开，有可能出现意外（IE解析问题），则使用如下地址打开： 如果发现网页显示 “No scalar data was found”等信息，说明 阅读全文
posted @ 2017-10-18 16:05 Osler 阅读(1727) 评论(0) 推荐(0)
TensorFlow入门：MNIST数据的单层回归代码及多层神经网络代码[附简单解释]
摘要：多层神经网络代码： 可参考，解释代码较详细 中间结果可视化，可参考 参考 阅读全文
posted @ 2017-10-18 16:04 Osler 阅读(762) 评论(0) 推荐(0)
TensorFlow入门：Ubuntu 16.04安装TensorFlow（Anaconda，非GPU）
摘要：1.已经在Ubuntu下安装好了Anaconda。 2.创建TensorFlow环境，Python2.7 此时会conda下载安装python2.7的环境 此时在Anaconda的env文件夹下会安装好TensorFlow文件夹及环境软件。 3.按需要激活tensorflow环境，并在此环境下安装t 阅读全文
posted @ 2017-10-18 16:02 Osler 阅读(3960) 评论(0) 推荐(0)
嵌入式&深度学习术语及简称
摘要：SHAVE：Streaming Hybrid Architecture Vector Engin SIPP：Streaming Image Processing Pipeline To improve floating-point performance of LEON-based systems, 阅读全文
posted @ 2017-10-18 15:50 Osler 阅读(803) 评论(0) 推荐(0)
目标检测学习笔记
摘要：目标检测方法整理 经典方法包括： 基于region proposal的： R CNN Fast R CNN Faster R CNN R FCN 基于回归方法的： YOLO SSD region proposal方法 区域建议方法的主要思路是：找出可能的目标区域 + 提取目标区域特征 + 对目标区域 阅读全文
posted @ 2017-10-16 12:34 Osler 阅读(3405) 评论(0) 推荐(1)
准确率accuracy、精确率precision和召回率recall
摘要：准确率：在所有样本中，准确分类的数目所占的比例。（分对的正和分对的负占总样本的比例） 精确率：分类为正确的样本数，占所有被分类为正确的样本数的比例。（分为正的中，分对的有多少） 召回率：分类为正确的样本数，占应该被分为正类的比例。（1-有多少正的被分错为负了） 以表格描述检测正误：正（阳），负（阴） 阅读全文
posted @ 2017-10-16 11:43 Osler 阅读(596) 评论(0) 推荐(0)