<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[GL3_24的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/GL3_24</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; GL3_24]]></copyright><item><title><![CDATA[图像处理的边缘和纹理的区别]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/103702514</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/103702514</guid><author>GL3_24</author><pubDate>Wed, 25 Dec 2019 17:34:10 +0800</pubDate><description><![CDATA[一、概念理解
图像的边缘：图像中局部不连续的特征，一般根据灰度值来判断，图像边缘是灰度值发生突变的位置，也就是梯度值大的位置。
图像的纹理：图像中反复出现的局部模式和它们的排列规则，也可以认为是图像强度局部变化的重复模式。
二、实例解析(Halcon实例)
1.边缘
边缘是比较好理解的，就是灰度值发生了突变。
如一张灰度图像如下图所示。

进行边缘提取得到的边缘如下图所示。

2.纹理
纹理分析一...]]></description><category></category></item><item><title><![CDATA[Caffe测试集分类结果相同，全部为最后一类]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/103531791</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/103531791</guid><author>GL3_24</author><pubDate>Fri, 13 Dec 2019 18:39:42 +0800</pubDate><description><![CDATA[现象说明
目标：二分类，训练过程中验证集准确率比较高。训练完成之后对测试集进行测试，测试结果中的类别全部为1(最后一类)。
Caffe测试集分类结果相同，全部为最后一类
原因及解决方案
原因：没有对网络的第一个卷积层进行初始化。下图是原来网络第一个卷积层的参数。

解决方案：将第一个卷积层权重初始化为“xavier”，偏置初始化为常量0。


...]]></description><category></category></item><item><title><![CDATA[window caffe训练卡在Loading mean file from: ming_mean.binaryproto不动]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/103023305</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/103023305</guid><author>GL3_24</author><pubDate>Tue, 12 Nov 2019 10:11:48 +0800</pubDate><description><![CDATA[现象如图所示：

原因：自己疏忽在train和test阶段的source全部设置成了mtrainldb(如下图所示)，造成数据锁死情况。修改test的source为即可。


]]></description><category></category></item><item><title><![CDATA[windows编译caffe报错：error MSB4062: 未能从程序集 ....NugetPackages\OpenCV.2.4.10\build\native\\private\coapp.N]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/102497449</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/102497449</guid><author>GL3_24</author><pubDate>Fri, 11 Oct 2019 11:06:32 +0800</pubDate><description><![CDATA[报错如题目
在private前边有两个\
解决方案
定位到…\NugetPackages\OpenCV.2.4.10\build\native文件夹下，找到OpenCV.props配置文件，定位到private，将前边的\删掉，然后重启vs即可解决问题。


...]]></description><category></category></item><item><title><![CDATA[caffe训练一直提示Waiting for data]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/102491460</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/102491460</guid><author>GL3_24</author><pubDate>Thu, 10 Oct 2019 21:41:43 +0800</pubDate><description><![CDATA[现象
我在训练googlenet网络的时候发现日志中一直提示Waiting for data。迭代之后还是一直提示。现象如下：


解决方案
很明显，问题就出来数据集做的不对。再三检查自己的数据集是否有问题。
笔者的问题是，数据是原图大小，1280960。然后直接resize成227227就可以了。

...]]></description><category></category></item><item><title><![CDATA[C++ 打印由*组成的等边三角形]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/100564670</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/100564670</guid><author>GL3_24</author><pubDate>Thu, 05 Sep 2019 18:48:22 +0800</pubDate><description><![CDATA[要求：如题
样例：

代码及详解：
#include&lt;iostream&gt;
using namespace std;
//打印星号三角形
//   *
//  * *
// * * *
//* * * *

int main()
{
	int n;
	while (cin)
	{
		cin &gt;&gt; n;
		for (int i = 0; i &lt; n; i++)//代表...]]></description><category></category></item><item><title><![CDATA[C++ 求字符串的所有子串]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/100543489</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/100543489</guid><author>GL3_24</author><pubDate>Wed, 04 Sep 2019 17:31:54 +0800</pubDate><description><![CDATA[C++版本
求一个字符串的所有子串的核心就是利用substr这个函数，所以一定要搞懂这个函数。第二个变量是偏移量。

下面是源码：
#include&lt;iostream&gt;
#include&lt;string&gt; 
using namespace std;

void getAllSubstrings(string str)
{
	if (str.length() == 0)
	{ ...]]></description><category></category></item><item><title><![CDATA[无法启动程序 “\\\\\\.exe”系统找不到指定的路径。]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/100529292</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/100529292</guid><author>GL3_24</author><pubDate>Tue, 03 Sep 2019 22:33:52 +0800</pubDate><description><![CDATA[问题说明：
今天在看一个项目的源码时直接下载下来放到了桌面上，运行出现如下错误。
解决方案：
不要将程序源代码或项目或exe放在桌面这种复杂（多半带空格和汉字且在防火墙或杀毒软件严密控制的C盘上）的目录下。
一般情况下先检查自己的项目的路径，如果确实是上边所描述的情况那么把项目直接拷贝到其他文件直接运行就可以了。

...]]></description><category></category></item><item><title><![CDATA[C++ sizeof(struct)计算结构体大小]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/100170043</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/100170043</guid><author>GL3_24</author><pubDate>Sat, 31 Aug 2019 13:07:46 +0800</pubDate><description><![CDATA[一、sizeof()
在学习C++的时候会学到一个sizeof操作符，在 C 语言中，sizeof() 是一个判断数据类型或者表达式长度的运算符。单位是位（byte）。
我们都知道char、short、int、long、float、double的大小；

二、结构体的大小
定义一个结构体：
struct stru{
	char a;
	int b;
	float c;
	double d;
};
...]]></description><category></category></item><item><title><![CDATA[Caffe CNN特征可视化(详解)]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/96628467</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/96628467</guid><author>GL3_24</author><pubDate>Sat, 20 Jul 2019 20:52:23 +0800</pubDate><description><![CDATA[转载自 Caffe CNN特征可视化
http://www.cnblogs.com/louyihang-loves-baiyan/
先贴出来SqueezeNet网络对应的可视化代码
# -*- coding:utf-8 -*-
 
import numpy as np
import matplotlib.pyplot as plt
import os
import caffe
import sys...]]></description><category></category></item><item><title><![CDATA[DenseNet占用内存过高(batch-size只能设置为1)解决方案]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/96558777</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/96558777</guid><author>GL3_24</author><pubDate>Sat, 20 Jul 2019 09:07:00 +0800</pubDate><description><![CDATA[情况说明
前一阵自己使用caffe跑了跑DenseNet网络，显卡11G显存，只有当TRAIN和TEST的batch-size设置成1才可以跑通，这样的话是在线学习，最终的结果并没有想象中的那么好。然后查了一些资料，并不断进行尝试，最终得到了解决方案--------&gt;使用memory-efficient的caffe(Ubuntu系统)跑DenseNet。
说明：博主用的是八开服务器，用的Wi...]]></description><category></category></item><item><title><![CDATA[CNN重要知识点理解]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/96428598</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/96428598</guid><author>GL3_24</author><pubDate>Thu, 18 Jul 2019 13:11:53 +0800</pubDate><description><![CDATA[一、卷积核的作用
卷积层的卷积核是用来提取特征的，多个卷积核是用来提取多种特征的。

图片中有左边是一个77的图像，右边三个33的卷积核，分别提取对应的特征。
二、通道数的理解
1.图像通道数：若图像为三通道，那么指的是RGB三通道；也有单通道，如灰度图。
2.卷积操作完成的输出的通道数，也就是卷积核的个数。
通道数也就是feature map数
每层的feature map个数，为上一层卷积核的...]]></description><category></category></item><item><title><![CDATA[深度学习制作数据集时修改图像格式]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/96422688</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/96422688</guid><author>GL3_24</author><pubDate>Thu, 18 Jul 2019 09:06:11 +0800</pubDate><description><![CDATA[在深度学习中，我们需要根据自己的任务task制作自己的数据集，一些网络对于输入图像的格式往往是有要求的，例如YOLOv3要求图像格式为jpg。可能我们有的图像格式并不是我们想要的格式，例如需要jpg而我们有bmp，这时候就需要修改图像格式了。
直接修改图像的后缀名(错误做法)
可能有的人就会找批处理文件的软件直接修改图像的后缀名，当修改完成之后再拿来训练发现网络并不能跑起来，原因很简单，就是这样的...]]></description><category></category></item><item><title><![CDATA[GoogLeNet 输出日志中test部分的loss的理解]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/89505223</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/89505223</guid><author>GL3_24</author><pubDate>Thu, 18 Jul 2019 08:23:25 +0800</pubDate><description><![CDATA[对GoogLeNet 输出日志中的loss的理解
在GoogLeNet 网络进行训练时，日志文件中输出如下内容，该内容是在训练过程中的测试部分输出的（即test过程）
I0423 16:33:20.838305 19680 solver.cpp:404]     Test net output #0: loss1/loss1 = 0.870371 (* 0.3 = 0.261111 loss)
I...]]></description><category></category></item><item><title><![CDATA[多GPU训练机制]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/96339753</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/96339753</guid><author>GL3_24</author><pubDate>Wed, 17 Jul 2019 18:24:24 +0800</pubDate><description><![CDATA[引言
通常情况下，在深度学习中使用梯度下降算法进行训练时，往往需要较大的batch-size才能获得良好的性能。而当我们选择比较大型的网络时(如DenseNet121)，由于GPU资源有限，我们往往要减小batch-size。但是batch-size太小的话会影响性能，这时候如果硬件条件允许的情况下可以使用多GPU进行训练。

...]]></description><category></category></item><item><title><![CDATA[论文导读：Benchmark Analysis of Representative Deep Neural Network Architectures]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/94890982</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/94890982</guid><author>GL3_24</author><pubDate>Sun, 07 Jul 2019 08:21:17 +0800</pubDate><description><![CDATA[最近发现了一篇文章，个人感觉很不错，因此推荐给大家。
论文题目：Benchmark Analysis of Representative Deep Neural Network Architectures
论文链接：https://arxiv.org/abs/1810.00736
题目：代表性DNN架构的基准分析
摘要：
这项工作提供了对现有技术中提出的用于图像识别的大多数深度神经网络（DNN）的...]]></description><category></category></item><item><title><![CDATA[CNN经典分类网络发展历程GoogLeNet、SqueezeNet、ResNet、ResNeXt、DenseNet]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/94884645</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/94884645</guid><author>GL3_24</author><pubDate>Sat, 06 Jul 2019 19:49:34 +0800</pubDate><description><![CDATA[本篇博文主要介绍2015年之后出现的经典分类网络的发展历程，前期经典分类网络网上有很多解析，主要包括LeNet、AlexNet、VGG等。
本篇博文主要介绍GoogLeNet、SqueezeNet、ResNet、ResNeXt、DenseNet。
以PPT截图形式进行讲解
一、GoogLeNet
论文题目：Going Deeper with Convolutions
论文链接：https://ar...]]></description><category></category></item><item><title><![CDATA[halcon获得线段(region)的端点]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/94403916</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/94403916</guid><author>GL3_24</author><pubDate>Mon, 01 Jul 2019 19:12:24 +0800</pubDate><description><![CDATA[在halcon算法中我们可能会需要求得线段也就是line的端点，那么怎样才可以得到呢？
方法
主要用到下边的代码。
skeleton (RegionLines, Skeleton)
junctions_skeleton (RegionLines, EndPoints, JuncPoints)
get_region_points (EndPoints, Rows1, Columns1)


举例解释...]]></description><category></category></item><item><title><![CDATA[安装完vs2015后，vs2013打开解决方案闪退]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/94165517</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/94165517</guid><author>GL3_24</author><pubDate>Sat, 29 Jun 2019 15:48:38 +0800</pubDate><description><![CDATA[问题详情
本人一直使用vs2013进行项目开发，然而最近由于项目需要安装了vs2015，vs2015可以正常使用。后期再想用vs2013打开原来的解决方案的时候发现，刚打开之后就直接闪退了，没有任何提示。后来查看vs2015是否可以使用，发现可以正常使用。不过打开解决方案之后发现每个项目后边都有一个(visual studio 2013)的显示，不过项目还是可以跑的。后来查询解决方案，找到了很棒的...]]></description><category></category></item><item><title><![CDATA[转义字符\r、\n、以及\r\n的区别]]></title><link>https://blog.youkuaiyun.com/GL3_24/article/details/93774122</link><guid>https://blog.youkuaiyun.com/GL3_24/article/details/93774122</guid><author>GL3_24</author><pubDate>Wed, 26 Jun 2019 20:43:05 +0800</pubDate><description><![CDATA[一、转义字符
转义字符用来表示常见的那些不能显示的ASCII字符。
常见的转义字符有\t、\n、\r、\、’、"等等，详见常见的转义字符及其意义(C语言)
二、\r、\n、以及\r\n的区别
\r ：将当前位置移到本行开头。又叫回车，对应键盘上的return键
\n：将当前位置移到下一行开头。又叫换行，newline。
这时候可能就有人陷入了思考中，在文本中回车不就相当于换行了吗？换行不就相当于到...]]></description><category></category></item></channel></rss>