12 2015 档案

Caffe学习系列(14)：初识数据可视化
摘要：首先将caffe的根目录作为当前目录，然后加载caffe程序自带的小猫图片，并显示。图片大小为360x480，三通道In[1]:import numpy as npimport matplotlib.pyplot as plt%matplotlib inlineimport caffecaffe_r... 阅读全文
posted @ 2015-12-31 16:17 denny402 阅读(28324) 评论(22) 推荐(5) 编辑
Caffe学习系列(13)：数据可视化环境（python接口)配置
摘要：caffe程序是由c++语言写的，本身是不带数据可视化功能的。只能借助其它的库或接口，如opencv, python或matlab。大部分人使用python接口来进行可视化，因为python出了个比较强大的东西：ipython notebook, 现在的最新版本改名叫jupyter notebook... 阅读全文
posted @ 2015-12-30 12:08 denny402 阅读(59995) 评论(46) 推荐(2) 编辑
Caffe学习系列(12)：训练和测试自己的图片
摘要：学习caffe的目的，不是简单的做几个练习，最终还是要用到自己的实际项目或科研中。因此，本文介绍一下，从自己的原始图片到lmdb数据，再到训练和测试模型的整个流程。一、准备数据有条件的同学，可以去imagenet的官网http://www.image-net.org/download-images，... 阅读全文
posted @ 2015-12-28 17:47 denny402 阅读(101733) 评论(263) 推荐(27) 编辑
Caffe学习系列(11)：图像数据转换成db（leveldb/lmdb)文件
摘要：在深度学习的实际应用中，我们经常用到的原始数据是图片文件，如jpg,jpeg,png,tif等格式的，而且有可能图片的大小还不一致。而在caffe中经常使用的数据类型是lmdb或leveldb，因此就产生了这样的一个问题：如何从原始图片文件转换成caffe中能够运行的db（leveldb/lmdb)... 阅读全文
posted @ 2015-12-28 14:00 denny402 阅读(83203) 评论(37) 推荐(12) 编辑
Caffe学习系列(10)：命令行解析
摘要：caffe的运行提供三种接口：c++接口（命令行）、python接口和matlab接口。本文先对命令行进行解析，后续会依次介绍其它两个接口。caffe的c++主程序（caffe.cpp)放在根目录下的tools文件夹内, 当然还有一些其它的功能文件，如：convert_imageset.cpp, t... 阅读全文
posted @ 2015-12-25 16:22 denny402 阅读(68238) 评论(11) 推荐(9) 编辑
Caffe学习系列(9)：运行caffe自带的两个简单例子
摘要：为了程序的简洁，在caffe中是不带练习数据的，因此需要自己去下载。但在caffe根目录下的data文件夹里，作者已经为我们编写好了下载数据的脚本文件，我们只需要联网，运行这些脚本文件就行了。注意：在caffe中运行所有程序，都必须在根目录下进行，否则会出错1、mnist实例mnist是一个手写数字... 阅读全文
posted @ 2015-12-25 11:57 denny402 阅读(64932) 评论(9) 推荐(6) 编辑
Caffe学习系列(8)：solver优化方法
摘要：上文提到，到目前为止，caffe总共提供了六种优化方法：Stochastic Gradient Descent (type: "SGD"),AdaDelta (type: "AdaDelta"),Adaptive Gradient (type: "AdaGrad"),Adam (type: "Ada... 阅读全文
posted @ 2015-12-24 20:25 denny402 阅读(49375) 评论(3) 推荐(7) 编辑
Caffe学习系列(7)：solver及其配置
摘要：solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为# caffe train --solver=*_slover.prototxt在Deep Learning中，往往loss function是非凸的，没有解析解，... 阅读全文
posted @ 2015-12-24 19:26 denny402 阅读(104274) 评论(10) 推荐(22) 编辑
Caffe学习系列(6)：Blob,Layer and Net以及对应配置文件的编写
摘要：深度网络(net)是一个组合模型，它由许多相互连接的层（layers)组合而成。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组，一种统一的内存接口，它详细描... 阅读全文
posted @ 2015-12-24 16:08 denny402 阅读(29930) 评论(0) 推荐(7) 编辑
Caffe学习系列(5)：其它常用层及参数
摘要：本文讲解一些其它的常用层，包括：softmax_loss层，Inner Product层，accuracy层，reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-loss层和softmax层计算大致是相同的。softmax是一个分类器，计算的是类别的概率... 阅读全文
posted @ 2015-12-24 13:24 denny402 阅读(64344) 评论(3) 推荐(1) 编辑
Caffe学习系列(4)：激活层（Activiation Layers)及参数
摘要：在激活层中，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bottom得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。输入：n*c*h*w输出：n*c*h*w常用的激活函数有sigmoid, ... 阅读全文
posted @ 2015-12-24 11:27 denny402 阅读(43632) 评论(7) 推荐(3) 编辑
Caffe学习系列(3)：视觉层（Vision Layers)及参数
摘要：所有的层都具有的参数，如name, type, bottom, top和transform_param请参看我的前一篇文章：Caffe学习系列(2)：数据层及参数本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling,Local Response N... 阅读全文
posted @ 2015-12-23 20:10 denny402 阅读(55875) 评论(16) 推荐(9) 编辑
Caffe学习系列(2)：数据层及参数
摘要：要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有很多种类型，比如D... 阅读全文
posted @ 2015-12-23 18:47 denny402 阅读(105130) 评论(14) 推荐(16) 编辑
Caffe学习系列(1)：安装配置ubuntu14.04+cuda7.5+caffe+cudnn
摘要：一、版本 linux系统：Ubuntu 14.04 （64位） 显卡：Nvidia K20c cuda: cuda_7.5.18_linux.run cudnn: cudnn-7.0-linux-x64-v4.0-rc 二、下载 Ubuntu 14.04下载地址：http://www.ubuntu. 阅读全文
posted @ 2015-12-22 17:07 denny402 阅读(50416) 评论(28) 推荐(6) 编辑
caffe windows学习：第一个测试程序
摘要：caffe windows编译成功后，就可以开始进行测试了。如果还没有编译成功的，请参考：caffe windows 学习第一步：编译和安装（vs2012+win 64)一般第一个测试都是建议对手写字体minist进行识别。这个测试放在根目录下的 .\examples\mnist\ 文件夹内。1、下... 阅读全文
posted @ 2015-12-12 13:46 denny402 阅读(30664) 评论(14) 推荐(0) 编辑
caffe windows 学习第一步：编译和安装（vs2012+win 64)
摘要：没有GPU，没有linux, 只好装caffe的windows版本了。我的系统是win10(64位），vs 2012版本，其它什么都没有装，因此会需要一切的依赖库。其实操作系统只要是64位就行了，无所谓版本，win7,win8,win10都行.1、安装vs2012。2、安装 cude 6.5 可到此... 阅读全文
posted @ 2015-12-12 12:32 denny402 阅读(28271) 评论(34) 推荐(1) 编辑
opencv3中的机器学习算法之：EM算法
摘要：不同于其它的机器学习模型，EM算法是一种非监督的学习算法，它的输入数据事先不需要进行标注。相反，该算法从给定的样本集中，能计算出高斯混和参数的最大似然估计。也能得到每个样本对应的标注值，类似于kmeans聚类（输入样本数据，输出样本数据的标注）。实际上，高斯混和模型GMM和kmeans都是EM算法的... 阅读全文
posted @ 2015-12-10 15:48 denny402 阅读(5967) 评论(0) 推荐(0) 编辑
opencv3学习：reshape函数
摘要：在opencv中，reshape函数比较有意思，它既可以改变矩阵的通道数，又可以对矩阵元素进行序列化，非常有用的一个函数。函数原型：C++: Mat Mat::reshape(int cn, int rows=0) const参数比较少，但设置的时候却要千万小心。cn: 表示通道数(channels... 阅读全文
posted @ 2015-12-10 11:59 denny402 阅读(37644) 评论(2) 推荐(6) 编辑
在opencv3中实现机器学习算法之：利用最近邻算法（knn)实现手写数字分类
摘要：手写数字digits分类，这可是深度学习算法的入门练习。而且还有专门的手写数字MINIST库。opencv提供了一张手写数字图片给我们，先来看看这是一张密密麻麻的手写数字图：图片大小为1000*2000,有0-9的10个数字，每5行为一个数字，总共50行，共有5000个手写数字。在opencv3.0... 阅读全文
posted @ 2015-12-09 19:22 denny402 阅读(12565) 评论(1) 推荐(1) 编辑
利用opencv3中的kmeans实现抠图功能
摘要：kmeans算法主要用来实现自动聚类，是一种非监督的机器学习算法，使用非常广泛。在opencv3.0中提供了这样一个函数，直接调用就能实现自动聚类，非常方便。函数原型：C++: double kmeans(InputArray data, int K, InputOutputArray bestLa... 阅读全文
posted @ 2015-12-09 16:52 denny402 阅读(19968) 评论(1) 推荐(1) 编辑
在opencv3中的机器学习算法练习：对OCR进行分类
摘要：OCR（Optical Character Recognition，光学字符识别），我们这个练习就是对OCR英文字母进行识别。得到一张OCR图片后，提取出字符相关的ROI图像，并且大小归一化，整个图像的像素值序列可以直接作为特征。但直接将整个图像作为特征数据维度太高，计算量太大，所以也可以进行一些降... 阅读全文
posted @ 2015-12-09 14:56 denny402 阅读(16986) 评论(4) 推荐(1) 编辑
在opencv3中实现机器学习之：利用逻辑斯谛回归（logistic regression)分类
摘要：logistic regression,注意这个单词logistic ，并不是逻辑（logic）的意思，音译过来应该是逻辑斯谛回归，或者直接叫logistic回归，并不是什么逻辑回归。大部分人都叫成逻辑回归，无奈啊。。。虽然这个算法中有回归二字，但它做的事情却并不是回归，而是分类。这个算法只能解决简... 阅读全文
posted @ 2015-12-09 13:05 denny402 阅读(3924) 评论(1) 推荐(1) 编辑
在opencv3中的机器学习算法
摘要：在opencv3.0中，提供了一个ml.cpp的文件，这里面全是机器学习的算法，共提供了这么几种：1、正态贝叶斯：normal Bayessian classifier 我已在另外一篇博文中介绍过：在opencv3中实现机器学习之：利用正态贝叶斯分类2、K最近邻：k nearest neighbo... 阅读全文
posted @ 2015-12-09 11:18 denny402 阅读(20083) 评论(0) 推荐(2) 编辑
在opencv3中实现机器学习之：利用正态贝叶斯分类
摘要：opencv3.0版本中，实现正态贝叶斯分类器（Normal Bayes Classifier）分类实例#include "stdafx.h"#include "opencv2/opencv.hpp"using namespace cv;using namespace cv::ml;int main... 阅读全文
posted @ 2015-12-09 00:49 denny402 阅读(5605) 评论(0) 推荐(0) 编辑
在opencv3中进行图片人脸检测
摘要：在opencv中，人脸检测用的是harr或LBP特征，分类算法用的是adaboost算法。这种算法需要提前训练大量的图片，非常耗时，因此opencv已经训练好了，把训练结果存放在一些xml文件里面。在opencv3.0版本中，训练好的文件放在 \build\etc\文件夹下，有两个文件夹haarca... 阅读全文
posted @ 2015-12-08 21:57 denny402 阅读(23709) 评论(1) 推荐(1) 编辑
在opencv3中利用SVM进行图像目标检测和分类
摘要：采用鼠标事件，手动选择样本点，包括目标样本和背景样本。组成训练数据进行训练1、主函数#include "stdafx.h"#include "opencv2/opencv.hpp"using namespace cv;using namespace cv::ml;Mat img,image;Mat ... 阅读全文
posted @ 2015-12-04 21:26 denny402 阅读(34548) 评论(3) 推荐(3) 编辑
在opencv3中实现机器学习之：利用svm(支持向量机)分类
摘要：svm分类算法在opencv3中有了很大的变动，取消了CvSVMParams这个类，因此在参数设定上会有些改变。opencv中的svm分类代码，来源于libsvm。#include "stdafx.h"#include "opencv2/opencv.hpp"using namespace cv;u... 阅读全文
posted @ 2015-12-04 14:35 denny402 阅读(21967) 评论(1) 推荐(0) 编辑
在matlab和opencv中分别实现稀疏表示
摘要：在本文中，稀疏表示的原理不再具体讲解，有需要的同学请自行百度。本文采用OMP算法来求解稀疏系数。首先随机生成字典数据和待测试数据字典数据：dic =[ 6, 7, 9, 9, 7, 0, 6, 3, 6, 9; 1, 8, 7, 8, ... 阅读全文
posted @ 2015-12-03 15:56 denny402 阅读(8960) 评论(0) 推荐(1) 编辑
opencv2学习：计算协方差矩阵
摘要：图像的高级处理中，协方差矩阵计算是必不可少的，但opencv关于这方面的资料却相当少。首先，利用matlab计算一下，便于比较：>> data=[1,2,3;10,20,30]data = 1 2 3 10 20 30>> convar=cov(data)c... 阅读全文
posted @ 2015-12-01 22:00 denny402 阅读(7212) 评论(1) 推荐(0) 编辑