潇湘_AQ-CSDN博客

原创 opencv_traincascade 训练自己的分类器

1、准备正负样本首先需要对自己要训练的样本进行准备。样本的准备主要分为两部分：样本+样本描述文件。这里的样本为机器学习类样本，类似imagenet比赛的分类数据样本，一张一张图直接是一个个截取的目标。正样本最好统一大小，尽量resize到比较小的分辨率，训练时候更快消耗内存更少。我这里由于是现有Faster RCNN训练下的样本，有图片和其对应目标位置的xml文件，因为针对xml文件，编写

2017-08-22 17:11:52 3416

转载 Opencv中 findContours 函数参数说明

恰好学习到这个findContours函数，转一发给自己mark，原文地址：http://blog.sina.com.cn/s/blog_662c78590100z0rg.htmlfindContours函数，这个函数的原型为：void findContours(InputOutputArray image, OutputArrayOfArrayscontours, OutputA

2017-08-10 11:54:09 3784

原创论文笔记：MDPTracking，Learning to Track: Online Multi-Object Tracking by Decision Making

在TLD（Tracking-by -Detection）算法中，多目标跟踪问题里用之前的跟踪目标学习到的特征，直接对新的视频进行跟踪，一直是一个巨大的难点。本文作者将在线的多目标跟踪问题规划成一个Markov Decision Processes（MDP）中的决策，将每一个目标建立一个MDP模型，来进行解决。在MDP中，学习一个policy主要涉及学习相似数据的关联性，policy learn

2017-07-12 16:07:25 6847

转载 OpenCV3.1.0安装配置与OpenCV_contrib库配置

之前配置opencv3.1.0的extra库OpenCV_contrib费了很多时间和精力，在此分享一篇很棒的博文，方便自己的查找和他人阅读，转载自CSDN博客_MICHAEL_LIU_，原博文地址：http://blog.csdn.net/liu798675179/article/details/51259505一、前言1、为什么要安装OpenCV_contrib

2017-07-10 16:02:50 8382 1

原创多目标跟踪 MDP Tracking 代码配置与运行

最近在研究多目标跟踪算法，虽然理论知识和相关概念还没能全部熟悉，但是还是来记录一下最近配置运行的MDP Tracking算法。开始是在MOT Challenge比赛（2D比赛，其数据地址：https://motchallenge.net/data/2D_MOT_2015/）上发现的这个算法，后来在GitHub上看到了开源的代码，说明也比较仔细。在windows上运行测试。MDP Trackin

2017-07-09 18:24:07 9704 78

原创论文笔记：Deep Image Matting

这是一篇非常有意思的介绍利用深度学习进行抠图的文章。文章传送：Deep Image Matting文章。文章提出的方法在抠图alphamatting.com比赛中，排名第一。文章提出的算法主要分为两个部分：第一部分通过深度卷积的encoder-decoder网络，输入图像和图片对应的一个trimap，来预测图像的alpha matte（蒙板），第二部分用小型卷积网络对第一部分得到的蒙板进行微

2017-03-15 19:08:42 13699 2

原创论文笔记：Label Refinement Network for Coarse-to-Fine Semantic Segmentation

本文设计了一个Coarse-to-Fine的深度学习网络Label Refinement Network，来进行语义分割任务。主要将低分辨率下的分割标签和卷积后的特征进行结合，获得一个更加精确的分割结果。在网络的多个阶段定义loss函数，这种做法起到了多阶段同时监督的效果。论文传送：Label Refinement Network for Coarse-to-Fine Semantic Seg

2017-03-12 11:52:44 4934

原创 C4.5决策树算法思想

决策树（Decision Tree）是在已知各种情况发生概率的基础上，通过构成决策树来评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。

2017-02-26 22:02:19 12103

原创论文笔记TLD：Tracking-Learning-Detection

本文主要解决未知目标在视频流中的跟踪问题，跟踪结果通过目标在单帧中的定位表示。重点提出了TLD的框架和P-N学习的方法（P-N learning方法：P-expert估计漏掉的检测结果；N-expert消除错检结果）。

2017-02-23 16:38:46 3769

原创 libcudart.so.7.5: cannot open shared object file: No such file or directory

libcudart.so.7.5: cannot open shared object file: No such file or directoryOSError: libcudart.so.7.5: cannot open shared object file: No such file or directory。

2016-11-29 22:11:25 7525 2

原创 windows python2.7下安装 pip

对于python2.7版本，很多教程（如http://stackoverflow.com/questions/4750806/how-do-i-install-pip-on-windows）均让去https://pypi.python.org/pypi/pip#downloads官网下载pip的安装文件get-pip.py，但是自己去试出来各种各样的问题。因此搞定后还是简单mark一下吧。

2016-11-29 21:43:39 32067 3

原创几种 CNN 经典网络结构

在CNN网络结构的演化上，出现过许多优秀的CNN网络，偶然很想把这些网络图放在一起简单mark一下。本博文主要对比以下几种网络：LeNet，AlexNet，VGG-Net，GoogLeNet，ResNet。

2016-11-23 22:35:57 31982

原创论文笔记 FCN: Fully Convolutional Networks for Semantic Segmentation

很早的一篇文章了，CVPR2015的一个亮点，看过几次了，今天决定mark一下。文章使用全卷积网络，进行端到端的，像素到像素的训练，得到了很好的语义分割结果。

2016-11-23 18:19:09 3036 1

原创论文笔记 R-FCN: Object Detection via Region-based Fully Convolutional Networks

这篇论文主要采用“位置敏感度图”的方法，将FCN 网络引入到目标检测中来，将图像分类和目标检测很好地结合。因此这种方法可以和很多FCN中的图像分类框架结合，比如ResNets等，使其应用到目标检测中来。本文实验了101层的ResNet在VOC数据下结果，取得了mAP 83.6%和速度 170ms一张图的结果（速度比Faster RCNN快）。

2016-11-21 10:03:03 4606

原创 cuda 函数前缀：device/global/host 相关问题

在深度学习caffe框架等多处，用到了CUDA函数，使代码加速，其文件类型为XXX.cu。在运行这些CUDA函数时，会遇到一下C++里没有的问题，比如函数前缀问题，如果在修改编写.cu文件时不注意，会出现问题，因此本文在这里讨论一下。主要解决如下问题：error : calling a __host__ function from a __global__ function is not al

2016-10-23 22:08:29 22785 1

原创论文笔记 Fast R-CNN细节

当我决心认真地看Faster R-CNN代码的时候，我就觉得有必要把 Fast R-CNN的论文的细节再从新完整地看一遍了。对，是细节，如何实现的部分，于是有了此篇博客。请注意是 Fast R-CNN笔记。

2016-10-15 17:55:13 1873

原创 caffe windows 版本配置中的 caffe.pb.h 问题

由于一些问题，需要重装Faster rcnn的 caffe 的windows版本，在caffe.pb.h上卡了下，以前并没有注意到过，在此记录一下。所配置的caffe为此版本：https://github.com/ShaoqingRen/caffe，为支持Faster R-CNN代码的 caffe 版本。（1）下载 protobuf 配置好各种库之后会发现，windows

2016-10-12 10:24:29 7670

原创论文笔记 HED：Holistically-Nested Edge Detection

同组小伙伴推荐的文章，一篇看似做边缘检测，实际做出了语义分割的文章，ICCV2015的文章。主要解决两个问题：（1）基于整个图像的训练和预测；（2）多尺度和多水平的特征学习。该算法通过深度学习模型，完成了从图像到图像的预测，并通过学习到的丰富的分级特征，完成边缘检测中的细节问题。本文提出的end-to-end的边缘检测系统，称为holistically-nested edge detectio

2016-10-11 10:56:36 31947 24

原创论文笔记 OHEM: Training Region-based Object Detectors with Online Hard Example Mining

CVPR2016的文章，CMU与rbg大神的合作。原谅我一直没有对这篇文章做一个笔记~~文章提出了一种通过online hard example mining（OHEM）算法训练基于区域的卷积检测算子的高效目标检测算法，能够对简单样本和一些小数量样本进行抑制，使得训练过程更加高效。该方法利用显著的bootstrapping技术（SVM中被普遍利用），对SGD算法进行一定的修改，使得原有的reg

2016-10-08 22:23:11 26602

转载相比于深度学习，传统的机器学习算法难道就此没落了吗，还有必要去学习吗？

最近很多身边的学长学姐在找工作，有面试计算机视觉和深度学习的，说笔试有大量传统机器学习如SVM的问题，于是我不禁思考到关于传统机器学习算法的意义。在此，转载同组小伙伴的文章，共同学习。自从 MIT Technology Review（麻省理工科技评论）将深度学习列为 2013 年十大科技突破之首。加上今年 Google 的 AlphaGo 与李世石九段惊天动地的大战，Alph

2016-09-29 22:39:33 9232

原创论文笔记 A Large Contextual Dataset for Classification,Detection and Counting of Cars with Deep Learning

ECCV 2016的文章，首先建立了一个从上到下照的车辆影像数据集（即鸟瞰视角），并提出ResCeption神经网络进行训练，进一步建立residual learning with Inception-style layers，进行车辆数目的计算。该方法为车辆数目的计算的一种新方式：通过定位和密度估计方法。

2016-09-28 22:52:57 1497 1

突然在代码中撇到了Faster R-CNN中的IoU计算函数，计算两个bounding box之间的IoU值。IoU计算很简单但是很常用，因为看过多次代码都没有注意过，因此记录一下。该函数比较简单，转载自Faster R-CNN代码，作者Pedro Felzenszwalb, Ross Girshick。function o = boxoverlap(a, b)% Compute the symm

2016-09-27 21:54:40 7848 4

原创论文笔记 DenseCap: Fully Convolutional Localization Networks for Dense Captioning

李飞飞组的文章，是一篇很有意思的文章，主要介绍了一种CNN解决密集字幕任务的方法。密集字幕任务主要含两个方面：（1）单个单词描述的目标检测任务；（2）对整个图像的一个预测区域的字幕标注任务。

2016-09-26 21:55:56 3781

原创论文笔记 G-CNN: an Iterative Grid Based Object Detector

为了目标检测精度和速度的进一步提高，在CVPR2016上各种算法可谓各显神通。今天要说的G-CNN就和YOLO算法类似，着重于速度的提升进行检测算子的改进。而与YOLO不同的是，改算法着眼于初始化proposal数量的减少，使得数以万计的proposal变成极少的初始格网，通过后面不停迭代获得最终较为准确的bbox。

2016-09-25 22:52:06 5031 4

原创 linux无管理员权限软件安装（opencv为例）

本文主要以opencv为例，介绍在没有管理员权限情况下，进行opencv在自己账户下的安装与环境变量配置。

2016-09-24 22:03:37 9197

原创 Faster R-CNN代码之 anchors 分析

anchors作为产生proposal的rpn中的一个重点内容，在Faster R-CNN中被重点介绍，下面我们来学习一下anchors产生部分代码。我主要将其中的部分重点代码展示出来。代码引用自Shaoqing Ren的Matlab下Faster R-CNN。

2016-09-23 20:43:08 3294

原创 arrayfun, cellfun, bsxfun函数与Faster R-CNN代码

在Faster R-CNN的matlab代码里，看到了很多不认识的“fun”系列函数，在此总结一下。首先，向量化编程：arrayfun及cellfun函数的使用，来实现将任意函数应用到数组内包括结构在内的所有元素。这样很多以前不可避免的循环现在可以向量化了。而向量化正是Matlab不遗余力追求的核心思想之一。同时，在元素个数不匹配的两个量直接计算时，bsxfun函数得以很好解决。

2016-09-23 16:36:56 2646

原创论文笔记 HyperNet: Towards Accurate Region Proposal Generation and Joint Object Detection

提出的HyperNet网络基于设计的Hyper特征，这种特征主要先集合分等级的特征图，然后将其压缩到一个空间。这种Hyper特征同时具有足够深和很好的语义信息，在PASCAL VOC 2007和2012上可以通过每张图产生仅仅100个proposal，而达到很好的精度和效果，同时可以达到实时，GPU下 5 fps的速度。Hyper方法主要的贡献有：（1）在仅仅 50 proposal情况下，可达

2016-09-21 22:34:10 5093 4

原创 ReLU函数简介

打开一些神经网络的网络描述文件，可以看到不同的层，其中就有一种层的类型，叫做ReLU。今天正好有小伙伴问起，虽然是基础部分但是还是来总结一下吧。首先看网络结构描述的形式：layer { name: "conv1" type: "Convolution" bottom: "data" top: "conv1" param { lr_mult: 1 } param {

2016-09-20 22:17:47 40922

原创论文笔记 SSD: Single Shot MultiBox Detector

话不多说开始总结，作为新一个快速高效的目标检测算法，SSD结合了Faster RCNN和YOLO 算法。本文主要提出的贡献有以下几点：（1）提出SSD算法，比YOLO算法更加迅速，同时和速度较慢的运行region proposal与pooling的算法的精度一样好（包括faster R-CNN）（2）SSD算法的核心是通过使用在特征图上的小卷积滤波器，来预测类别置信度和一系列有误差的boundi

2016-09-19 22:27:26 8367 4

原创 python爬虫——简单论文标题检索

有趣的爬虫，独有的意义召唤着我去学习，去尝试。最近有感于每天对于论文的收集，感觉自己的收集速度赶不上论文的更新速度，同时对于自己想找到的论文的收集比较麻烦。因此，学习用python写一个很简单的爬虫，完成对最新论文的概括或查找。对于计算机领域的最新论文，一般都可以在 http://arxiv.org/list/cs/recent 找到，因此，对此网页尝试简单爬虫。本博客简要介绍简单爬虫快速获

2016-09-18 16:24:44 12455 2

原创 sublime运行python文件简单配置与安装

python环境变量配置当点击Tools > Build System时，如果找不到python环境，那么说明需要配置sublime下的系统环境，其过程如下： Tools > Build System > New Build System ，新建配置文件，删除初始化的内容，写入如下内容并保存为Python.sublime-build，位置在 ...(默认sublime安装路径)\Sublime T

2016-09-13 15:53:24 4800

原创 matlab GUI 简单样本标注操作

对于深度学习来说，一般要设计成熟稳定的扣样本程序。我见过的多是Python，C++ 和 Qt 等制作的抠图程序。当需要对样本抠图程序简要修改以符合最新研究进展的代码测试时，其实也可以做一个简单的matlab GUI 界面，完成简单样本的操作。本文主要提供matlab GUI下鼠标点击图像输出坐标点，和图中框选bounding box的部分代码，均为最基础代码，易修改。（1）鼠标点击输出坐标点

2016-09-12 22:39:17 1935

原创论文笔记 UberNet : Training a ‘Universal’ Convolutional Neural Network

UberNet : Training a ‘Universal’ Convolutional Neural Network for Low-, Mid-, and High-Level Vision using Diverse Datasets and Limited Memory这是一篇很有意思的文章，将CNN的许多用途一起结合训练一个网络进行，实现CNN的：boundary det

2016-09-11 22:39:41 4766 1

转载深度学习领域开源框架对比

Preface这周的例会的演讲人之一是我，我一周前就开始想讲这周要讲什么。感觉以前组里面的人讲的内容太偏重那些公式什么的。大家听的昏昏欲睡，所以我想不能讲那些太细节太公式化的东西。最近不少人问我哪个开源框架好用，我自己用过 caffe、TensorFlow、Theano、Torch，用过之后虽然有一定的感觉。但我想很多东西需要实验来具体的验证。正好我看自己的 Mendeley 中有一篇

2016-09-10 22:20:17 9900

转载论文笔记 You Only Look Once: Unified, Real-Time Object Detection

今天注意到同组小伙伴写的YOLO的笔记，十分详细，内容丰富，特地和他说了后转载，留着自己也学习一下。相比我之前介绍的YOLO笔记，他的介绍更适合仔细学习，而我原来的适合整体了解。同时，许多训练时的情况的加入，也便于大家的交流学习。原博客地址：http://blog.csdn.net/u010167269/article/details/52457723 欢迎大家和他或者和我交流~Prefa

2016-09-09 22:19:26 4116

原创 Faster R-CNN 数据组织代码解析

最近想花点时间对Faster R-CNN等经典的目标检测代码进行注释和学习，同时留下学习笔记，和大家一同努力进步~~~于是乎，有着此篇的博文。 Faster R-CNN作为RCNN系列的第三篇文章，主要为RPN网络的训练，再进行Fast rcnn的训练，两个部分交替训练的方式，最终得到满意的目标检测结果。本文主要对Fast RCNN部分的数据组织代码（ fast_rcnn_prepare_imag

2016-09-08 21:43:55 1291

原创 CNN中的不同种类层简介

在卷积神经网络（Convolutional Neural Network，CNN）中，往往包含许多种不同的网络层交替组成，主要有卷积层（Convolutional Layer）、池化层（Pooling Layer）、非线性层（ReLU Layer）、全连接层（Fully Connected Layer）等等，本文主要对几种经典的层进行常识介绍，就当成科普吧。其实就是今天不想写论文笔记了，哈哈哈~

2016-09-07 21:14:29 10716

原创论文笔记 MSCNN：A Unified Multi-scale Deep Convolutional Neural Network for Fast Object Detection

最新看到的一篇关于多尺度下快速目标检测的论文，大概得浏览了一下，是UCSD大学的SVCL实验室和IBM研究院一起研究的结果。其代码已经开源到GitHub，链接为：https://github.com/zhaoweicai/mscnn这篇文章主要解决多尺度同时存在时的检索问题，设计了MSCNN网络，提出了两点创新：（1）针对多尺度问题：类似于FCNT跟踪方法，该文章也是观察

2016-09-06 21:32:24 10771 2

原创论文笔记 Hierarchical Convolutional Features for Visual Tracking

同样是ICCV 2015的文章，并且与上一篇介绍的FCNT方法不谋而合，都提到了VGG网络不同卷积层提取到的特征类型的不同。理论基础：低层网络包含更高空间分辨率的低维视觉信息，可以用于精确的定位，类似于Gabor滤波器；而高层网络获取到更多语义类别信息，相对空间信息少。本文利用高层的语义信息来处理目标外形的变化问题，同时用低层信息进行精准定位。算法结构：（1）首

2016-09-05 22:41:26 3982 1

faster-rcnn caffe windows可用的protoc.exe

空空如也