- 博客(62)
- 资源 (1)
- 收藏
- 关注
RSS订阅
翻译 【译】DeepLab V2：基于深度卷积网、孔洞算法和全连接CRFs的语义图像分割
【译】DeepLab：基于深度卷积网、孔洞算法和全连接CRFs的语义图像分割DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, 多孔 Convolution, and Fully Connected CRFsAuthor: Liang-Chieh Chen
2017-11-03 11:52:33
8293
1
翻译 【译】DeepLab V1：基于Deep CNNs和全连接CRFs的语义图像分割
基于Deep CNNs和全连接CRFs的语义图像分割[译]SEMANTIC IMAGE SEGMENTATION WITH DEEP CONVOLUTIONAL NETS AND FULLY CONNECTED Author: Liang-Chieh Chan [email protected]
2017-10-27 19:10:55
6309
1
翻译 MultiNet：自主驾驶中的实时联合语义推理(译)
为了实现实时性应用的要求, 提出了一种通过统一架构的联合classification、detection、segmentation的方法, 其中encoder由三个任务共享。在Kitti上测试验证。
2017-05-25 12:52:59
8682
8
翻译 Adaptive Deconvolutional Networks for Mid and High Level Feature Learning（阅读）
Adaptive Deconvolutional Networks for Mid and High Level Feature Learning（阅读） Matthew D. Zeiler, Graham W. Taylor and Rob Fergus Dept. of Computer Science, Courant Institute, New York Universit...
2017-05-23 08:53:09
5825
20
原创 MultiNet学习——KittiBox training processing
MultiNet学习——KittiBox training processing
2017-05-17 10:55:18
3485
1
原创 手势识别方法收集
参考自 https://github.com/xinghaochen/awesome-hand-pose-estimation1、Deep Hand Pose 2014年caffe框架Provides the source code for the deep learning components mentioned in “Depth-based hand pose estimation:...
2019-03-02 21:03:08
1474
原创 ubuntu下clion中配置opencv问题记录
ubuntu下clion中配置opencv的CMakeLists.txtlinux下配置opencv开发环境 opencv + ubuntu + clion
2019-03-02 20:26:59
1199
原创 斐波那契数列
时间限制：1秒 空间限制：32768K题目描述： 大家都知道斐波那契数列，现在要求输入一个整数n，请你输出斐波那契数列的第n项。n<=39。1、递归实现，效率很低 时间复杂度：n的指数增长int Fibonacci(int n) { if(n > 39 || n < 0) return -1; if(n ==...
2018-06-20 15:00:39
502
原创 排序算法——快速排序
快速排序C++实现，一般方案 时间复杂度 O(n2)O(n2)O(n^2)void quicksort(int data[], int start, int end){ if (start == end) return; int t = start; for (int i = start + 1; i <= end; ) { ...
2018-06-20 13:21:43
236
原创 旋转数组的最小数字
要求：时间限制：3秒 空间限制：32768K问题描述： 把一个数组最开始的若干个元素搬到数组的末尾，我们称之为数组的旋转。 输入一个非递减排序的数组的一个旋转，输出旋转数组的最小元素。 例如数组{3,4,5,1,2}为{1,2,3,4,5}的一个旋转，该数组的最小值为1。 NOTE：给出的所有元素都大于0，若数组大小为0，请返回0。方法一没达到要求，但运行正确 参考自剑指offer...
2018-06-20 13:16:30
203
原创 numpy数值变换解惑
#!/usr/bin/python# -*- coding: UTF-8 -*-import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('../demos/image001.jpg', cv2.IMREAD_COLOR) #载入的是BGRplt.imshow(img)plt.t...
2018-06-11 16:16:38
424
原创 Caffe、Tensorflow及Matlab中的卷积计算
在深度网络中，卷积计算应用非常广泛。在图像处理中，卷积计算也就是图像像素矩阵与卷积核之间的点对点相乘在累加的运算，但是在不同的深度学习框架或者平台中，卷积实现的方式有一定的差异，所以我参考一些博客并根据个人的理解整理了Caffe，Tensorflow及Matlab中的卷积实现。首先，三者对于图像卷积的基本原理是相同的，不同的只是在矩阵变换的实现上，先回顾下卷积前后图像矩阵大小的变化。以二维...
2018-01-23 16:11:00
1702
原创 caffe学习:利用已训练的ceffemodel进行分类
在得到训练好了的ceffemodel后, 希望对任意一张图片进行分类/测试. 但不管用C++接口还是pyton接口来实现, 也不论是自己训练得到的caffemodel还是从其他地方获取的，都应该准备好三个文件: caffemodel、均值文件、synset_words.txt文件。
2018-01-16 16:17:34
848
转载 caffe学习:caffe图形化操作工具digits的安装与运行
也许有人会觉得比较复杂。确实，对于一个使用惯了windows视窗操作的用户来说，各种命令就要了人命，甚至会非常抵触命令操作。没有学过python，要自己去用python编程实现可视化，也是非常头痛的事情。幸好现在有了nvidia digits这款工具，这些问题都可以解决了
2018-01-16 09:27:57
716
原创 caffe学习:caffemodel可视化
网络架构的形象展示在构建完网络后, 我们得到一个xx_train.prototxt文件, 该文件中记录着每层网络的输入输出及规格等参数, 在地址http://ethereon.github.io/netscope/#/editor 左侧拖入xx_train.ptototxt文件, 按enter+shift组合键即可查看网络模型图, 非常具体形象.
2018-01-15 10:42:09
1805
原创 caffe学习:卷积计算
在caffe中如何计算卷积的? caffe中, 卷积网络的前向传播过程需要计算类似W∗x+BW*x+B这样的连接, forward_cpu_gemm()函数用weight矩阵和输入的bottom相乘, 然后对bias进行处理, bias程序会根据情况决定是否对bias进行scale(放大/缩小).
2018-01-11 17:00:35
663
原创 caffe学习：图片数据的均值计算
图片减去均值后，再进行训练和测试，会提高速度和精度。因此，一般在各种模型中都会有这个操作。那么这个均值怎么来的呢，实际上就是计算所有训练样本的平均值，计算出来后，保存为一个均值文件，在以后的测试中，就可以直接使用这个均值来相减，而不需要对测试图片重新计算。
2018-01-09 20:26:02
904
原创 python图像处理:像素处理
利用Imgae.open()打开图像,再利用PIL对象进行操作。这样只是简单的处理，一旦操作复杂就比较困难。而像素级的处理与许多复杂操作相关。所以，通常我们在加载完图片后，都是把图片转换成矩阵来进行复杂操作。
2018-01-09 16:37:13
24822
2
原创 caffe学习：数据可视化初见
首先配置caffe的数据可视化环境python接口，参考博客数据可视化环境（python接口)配置，然后利用jupyter来编辑运行python代码。
2018-01-09 10:48:09
564
原创 python图像处理：打开、显示和保存
在python中拥有丰富的库，以进行各种开发。一般使用pip安装这些库。python自带有一个PIL库（python image library），但这个库现在已经停止更新了，所以使用Pillow, 它是由PIL发展而来的。 pip install Pillow图像打开与显示from PIL import Imageimg=Image.open('/path/to/image'
2018-01-08 15:30:44
1130
原创 caffe学习:图像数据转换
【转】转载自：Caffe学习系列(11)：图像数据转换成db（leveldb/lmdb)文件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)文件
2018-01-04 20:36:25
409
原创 caffe学习：命令行解析
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。
2018-01-04 09:14:00
324
原创 caffe学习：solver优化方法简介
目前caffe提供了6种优化方法： - Stochastic Gradient Descent (type: “SGD”), - AdaDelta (type: “AdaDelta”), - Adaptive Gradient (type: “AdaGrad”), - Adam (type: “Adam”), - Nesterov...
2018-01-03 09:50:41
401
原创 caffe学习：solver配置
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，我们需要通过优化方法来求解。
2018-01-03 09:28:16
390
原创 caffe学习：Blob、Layer、Net的说明及其配置文件编写
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。
2018-01-02 21:16:05
338
原创 caffe学习：其他层使用及其参数
其他一些常用层，如：softmax_loss层、Inner Product层、accuracy层、reshape层、dropout层等及其参数softmax_loss层softmax-loss层和softmax层计算大致是相同的。
2018-01-02 19:49:16
395
原创 caffe学习：Activation Layer及参数
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。
2018-01-02 19:26:54
813
原创 caffe学习：vision layer及参数
Vision Layer包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。
2018-01-02 19:05:01
365
原创 caffe学习:数据层及参数
运行caffe时，需要先创建一盒模型model，比如常见的Lenet、Alexnet等，模型是由多个layer构成，每一个layer又包含有多个参数，所有参数定义在caffe.proto文件中。layer具有多种类型，比如Data、Convolution、Pooling等，layer之间的数据流动以Blobs的方式进行。
2018-01-02 16:24:44
437
原创 python中的scipy库
Scipy建立在Numpy的基础之上，用于数值运算.具有很多搞笑操作,如数值积分、优化、统计、信号处理，以及图像处理功能。
2017-11-29 13:38:25
18020
4
原创 Deeplab-v2 编译过程中的问题
参考博客： DeepLab V2安装配置 从头开始训练deeplab v2系列之一 从头开始训练deeplab v2系列之二开源的代码： shell版本 python版本 对应的models：DeepLab_Models 脚本文件下载：XX.sh文件、XX.txt文件、ResNet-101 model包含XX.prototxt和XX.caffemodel文件、VGG-16 modelt
2017-11-21 18:12:26
691
原创 阅读笔记:一种用于深度神经网络压缩的滤波器级别的剪枝算法ThiNet
利用上一层的统计信息指导当前层的剪枝，能够在不改变原网络结构的前提下，让卷积神经网络模型在训练与预测阶段同时实现加速与压缩。ThiNet 框架具普适性，可无缝适配于现有的深度学习框架，有助于减少网络的参数与 FLOPs，同时保留原网络的精度级别。
2017-11-05 10:43:48
2665
原创 阅读笔记：深度神经网络模型压缩与加速
目前的深层卷积神经网络模型非常耗费计算资源和内存，面临着在终端部署和低延迟需求场景下难以应用的问题。因此，一种很自然的解决方案就是在保证分类准确率不显著下降的前提下对深层卷积神经网络进行压缩和加速。
2017-11-05 10:25:06
4848
原创 tensorflow框架基础之优化(二)
防止过拟合当神经网络得到的是一个过拟合模型时，这个模型基本是没什么应用价值的，因为它的泛化性能非常不好(泛化即是，机器学习模型学习到的概念在它处于学习的过程中时模型没有遇见过的样本时候的表现，简单理解为预测能力)，对一些”异常”数据过分的估计，而忽视了问题的整体规律。
2017-06-01 12:54:35
982
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人