- 博客(6)
- 资源 (2)
- 收藏
- 关注
RSS订阅
原创 基于Faster-RCNN-TF的gpu运行总结(自己准备数据集)（训练篇）
最近经过一段对tensorflow和faster-rcnn的学习，并且亲身去跑了两个不同框架下的faster-rcnn代码，所以就在这里做一下总结。这里，我就主要记录一下自己在跑tensorflow框架下的faster-rcnn。首先，就是硬件要求，因为自己是做计算机图像，目标识别，所以最重要的一个提升效率的装备就是GPU，也就是显卡。现在能在GPU上进行运算，可以让我们的时间成本
2017-12-21 17:01:26
20160
29
翻译 译文：FishNet
FishNet:用于图像、区域和像素级的多功能主干网络摘要 对于预测不同层级的目标对象（如图像级、区域级和像素级），设计卷积神经网络（CNN）结构的基本原则具有多样性。一般来讲，专门为图像分类任务所设计的网络结构，会默认作为其他任务（包括检查和分割）的主干网络结构。但是，多数网络的主干设计并没有考虑统一网络的优势，而为像素级或区域级的预测任务设计主干网络，原因可能是需要更高分辨率的深层特征...
2019-12-22 11:47:20
2023
翻译 译文：Fast RCNN
Fast R-CNN（快速的基于区域的卷积神经网络）摘要 本文对于目标检测任务提出一种基于区域的快速卷积神经网络方法（Fast R-CNN）。Fast R-CNN依据之前的工作，使用深度卷积网络高效的给出分类目标建议。与之前的工作相比，Fast R-CNN做出一些创新来提高训练与测试的速度，同时也提高了检测精度。在使用VGG16网络基础上，Fast R-CNN训练过程要比R-CNN算法快9...
2019-12-22 11:41:15
520
翻译 译文：
摘要 我们提出YOLO，一种新的目标检测算法。之前的目标检测工作都是将其定为分类任务后再进行检测。与之相反，我们将目标检测作为解决回归问题，并求解目标的空间包围框和相关类的概率。一个神经网络模型在一次评估中直接从完整的图像内预测目标的包围框坐标和类别概率。由于整个检测过程是一个神经网络模型，我们可以直接在其端到端的训练中对整体检测网络进行优化并得到更好的结果。我们的统一架构模型具有极快的速...
2019-12-22 11:37:29
558
2
原创 YOLOv2训练日记
源码：https://github.com/pjreddie/darknetMakefile文件： GPU=1; 使用GPU CUDNN=1;使用cudnn对网络加速 OPENCV=1;可以输出图片显示 NVCC=/usr/local/cuda-8.0/bin/nvcc 编译器驱动数据准备： 建立VOC2007数据格式：Annotatio...
2018-08-21 09:46:35
518
原创 Faster-RCNN-TF测试及问题
前面仅说了如何训练自己的数据，其实运行Faster-RCNN-TF训练后，也会经过验证以及测试，最后产生一个结果，具体结果就是我们常说的AP值，当然对于多分类问题程序会求出mAP值。这里主要是记录一下在训练后会出现的问题，然后能让我们进行接下来的测试集测试以及demo的测试，同时通过测试，可以帮助我们更好的优化我们的模型，让模型达到更好的效果。一、测试测试前准备对于测试，我们在训练完成
2018-01-16 20:43:11
1474
1
VLD-45-S-下.zip
2019-12-22
VLD-45-S-上.zip
2019-12-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人