针对昨天的那篇文章,这篇博客有比较准确的描述。
我们的问题是:图像卷积后的邻接关系能保持,3维模型卷积后邻接关系无法保持,简化成图表示后如果能用上面那篇的卷积那就简单了。但图模型还是复杂,看不太懂。
所以最终还是得回到caffe和fcn上来。如果caffe和fcn弄懂了就不难表示数据结构了。
发现用notepad++编辑python文件有点问题,会出现:IndentationError: unexpected indent,这个出现的原因是python用空格或者tab表示缩进,而python里的缩进就相当于c++里的大括号,一般来说空格和tab不能混用,而notepad++里的编译器无法自动补全正确的缩进格式(无法定位),这一点pycharm好多了(但notepad++轻便多了)。。。
python不支持中文注释,用# -*- coding:utf-8 -*-能解决。以后还是用pycharm吧,IDE对我等渣渣来说还是亲切多了。
看完lmdb的生成过程突然发现我们使用的不是fcn的网络结构而是FCN-VOC2012的。。。感觉搞错了,两者网络结构有点不一样。。。看来还是得研究下如何定义一个新的Data Layer,而且先得把他的fcn跑起来。
离deadline还有:64天
理解卷积与数据结构
本文探讨了图像卷积处理中邻接关系的保持问题,并对比了2D图像与3D模型的不同。同时,提到了使用Caffe和FCN进行深度学习实践遇到的具体问题及解决方案。
6107

被折叠的 条评论
为什么被折叠?



