xiaoheizi

摘要： YOLO 优点：速度快，端到端。在Titan gpu上的帧率是45fps，并且加速版的帧率可以达到155fps。 缺点：实践证明，该算法对小物体和离得近的物体分类效果比较差。 实验效果 SSD 在Titan X上的帧率达到58fps，(在VOC2007测试中, 58 FPS下 72.1％mAP，对F 阅读全文

摘要： faster rcnn 相比fast rcnn抛弃了原来的滑窗方法，采用了anchor方法。 input是原始图片，经过CNN网络提取特征之后，在特征图的每个点对应的原图位置按照anchor取候选框，得到响应的特征图，然后进行后续的检测分类。流程图如下： 通过上图，可以注意到其训练方式也是有创新的： 阅读全文

摘要： fast rcnn 与rcnn的进步之处在于， 1、还是滑窗移动，但是已经不会将每个RGB图都塞进去，逐个图片提取特征，而是将原图输入网络，然后将特征图上与各个候选框对应，得到响应候选框的特征图。 2、不再利用SVM分类器进行分类，而是直接合并到CNN网络中去了。 如何利用CNN网络进行检测定位与分 阅读全文

摘要： 经过分割与重组后，得到的proposals为2000个，将得到的不同大小的proposals进行warp操作得到尺寸统一的inputs，得到的特征矩阵是2000x4096，然后SVM的权重矩阵是4096 x N。 如下是AlexNet网络，《ImageNet Classification with 阅读全文

摘要： 正样本可分为训练集，测试集，验证集，按数量需求批量得到相应的样本是要解决的问题 把所有正样本放在all.txt中，然后按照一定的样本比例得到相应的其他文件。 代码： 会自动在相应文件夹内创建pos.txt和neg.txt. 阅读全文

摘要： 结果是： 阅读全文

摘要： 确实是两种Python环境，按照上面的安装的确实好用 另外对于AttributeError: 'NoneType' object has no attribute 'astype' 是因为 要输入图片格式不对 阅读全文

摘要： http://blog.csdn.net/nkwangjie/article/details/17298851 阅读全文

摘要： 参考网址：blog.csdn.net/Running_J/article/details/51505715 step1:保存日志文件 在训练过程中把终端输出结果保存为一个日志文件，文件的后缀名是.log 如何把终端保存为日志文件，如下： caffe目录下 ./build/tools/caffe tr 阅读全文

摘要： 参考网址：blog.csdn.net/u013989576/article/details/61618454 画网络模型有两个选择： 1.使用caffe提供的draw_net.py 2.使用Netscope可视化 使用第一种方法在服务器上做的时候，因为protoc的版本原因，没有好，现在突然想到可以 阅读全文