随笔分类 -  深度学习&&实验室项目

上一页 1 2
计算机视觉
caffe卷积操作
摘要： 阅读全文
posted @ 2017-07-16 22:23 simple_wxl 阅读(185) 评论(0) 推荐(0)
caffe多个gpu数据合并到一起
摘要：当多GPU树形拓扑构建完毕，数据预缓冲到GPU显存，开始进入多GPU并行训练。Caffe的Solver提供了两个用于多GPU训练的回调函数：on_start()和on_gradient_ready()。如图4-5所示，on_start函数用于将参数分发拷贝到每一个GPU中，on_gradeint_r 阅读全文
posted @ 2017-07-05 14:50 simple_wxl 阅读(568) 评论(0) 推荐(0)
yolo回归型的物体检测
摘要：本弱又搬了另外一个博客的讲解： 缩进YOLO全称You Only Look Once: Unified, Real-Time Object Detection，是在CVPR2016提出的一种目标检测算法，核心思想是将目标检测转化为回归问题求解，并基于一个单独的end-to-end网络，完成从原始图像 阅读全文
posted @ 2017-06-22 19:48 simple_wxl 阅读(1242) 评论(0) 推荐(0)
rcnn ->fast rcnn->faster rcnn物体检测论文
摘要：faster rcnn中的rpn网络： 特征可以看做一个尺度51*39的256通道图像，对于该图像的每一个位置，考虑9个可能的候选窗口：三种面积{1282,2562,5122}×三种比例{1:1,1:2,2:1}。这些候选窗口称为anchors。下图示出51*39个anchor中心，以及9种anch 阅读全文
posted @ 2017-06-22 18:56 simple_wxl 阅读(1380) 评论(1) 推荐(1)
caffe调试小结2
摘要：1、裁剪 crop size227，在训练时候采用随机裁剪，在测试时候只裁剪中间部分 阅读全文
posted @ 2017-01-03 09:24 simple_wxl 阅读(218) 评论(0) 推荐(0)
caffe中卷积层和pooling层计算下一层的特征map的大小
摘要：pool层，其中ceil是向上取整函数 卷积层： 阅读全文
posted @ 2017-01-02 16:54 simple_wxl 阅读(1022) 评论(0) 推荐(0)
gpu对任意长度的矢量求和
摘要：blockDim.x*gridDim.x 跳过一个grid int <<<参数1，参数2>>>（int *a,int * b,int * c); 如果是一维的，参数1表示一个grid里面有多少个block块，参数2表示一个block块里面有多少个thread线程 namespace caffe { 阅读全文
posted @ 2016-12-20 09:44 simple_wxl 阅读(664) 评论(0) 推荐(0)
caffe代码调试小结
摘要：RELULayer层 bottom[0]->count=n*c*w*h=50*96*56*56 count=50*96*56*56,根据bottom_data[i]访问所有的数据（多维数组都是一维数组那个样子存储的，所以这样就可以访问所有的数据），同时说明，一批50是一起计算的 conv_layer 阅读全文
posted @ 2016-12-19 16:35 simple_wxl 阅读(988) 评论(0) 推荐(0)
caffe添加自己的层
摘要：首先修改src/caffe/proto/下的caffe.proto,修改好后需要编译 然后修改include/caffe/layers/logwxl_layer.hpp 然后修改src/caffe/layers/logwxl_layer.cpp和logwxl_layer.cu 最后make all 阅读全文
posted @ 2016-12-19 16:22 simple_wxl 阅读(1616) 评论(0) 推荐(0)
年龄预测
摘要：'(0, 2)','(4, 6)','(8, 12)','(15, 20)','(25, 32)','(38, 43)','(48, 53)','(60, 100)' 卷积-relu-pooling-Local Response Normalization (LRN)层 卷积-relu-poolin 阅读全文
posted @ 2016-11-23 10:10 simple_wxl 阅读(844) 评论(0) 推荐(0)
caffe使用finetume
摘要：训练时, solver.prototxt中使用的是train_val.prototxt ./build/tools/caffe/train -solver ./models/bvlc_reference_caffenet/solver.prototxt 使用上面训练的网络提取特征，使用的网络模型是d 阅读全文
posted @ 2016-10-29 15:10 simple_wxl 阅读(419) 评论(0) 推荐(0)
相机模型中的坐标变换
摘要：世界坐标系：是为了描述相机的位置而被引入的 相机坐标系： 整个转换过程：世界坐标系中点经过R,T到相机坐标系，经过投影关系到像素坐标系，像素坐标系再转换到像屏幕坐标系，这样就是我们看到的二维图像上的坐标位置了。 相机的内参数，dx,dy,u0,v0,that(最后，由于相机制造工艺的误差，相机的成像 阅读全文
posted @ 2016-10-25 15:42 simple_wxl 阅读(1034) 评论(0) 推荐(0)

上一页 1 2