<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[dlaicxf的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dlaicxf</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dlaicxf]]></copyright><item><title><![CDATA[YOLO v3在Windows下的配置（无GPU）+opencv3.2.0+VS2015]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/82181068</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/82181068</guid><author>dlaicxf</author><pubDate>Wed, 29 Aug 2018 11:52:05 +0800</pubDate><description><![CDATA[原文地址：https://blog.youkuaiyun.com/baidu_36669549/article/details/79798587

亲测有效!

邮箱1：marsmarcin@sina.com

邮箱2：2156362475@qq.com

其实也是看不下去网上的一些博客在坑人，所以自己动手实现了一下，，本人的电脑属于比较老的版本，奔腾。。。

所有的都是参照官网上的说明做的。AlexeyAB...]]></description><category></category></item><item><title><![CDATA[OpenCV3学习之一：在VS2015上搭建OpenCV3.2.0]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/82180422</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/82180422</guid><author>dlaicxf</author><pubDate>Wed, 29 Aug 2018 11:20:06 +0800</pubDate><description><![CDATA[本文属于转载的文章，文章的原地址为：https://blog.youkuaiyun.com/coderhattonliu/article/details/54620431

已经试验成功！

OpenCV学习笔记第一篇

1.结缘OpenCV

第一次真正接触到OpenCV，或者说有项目接触到OpenCV是在2016年的暑假。当时参加一个公司的夏令营，在为期一个月夏令营的项目中需要使用OpenCV做计算机视觉...]]></description><category></category></item><item><title><![CDATA[linux的sed用法]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/64920079</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/64920079</guid><author>dlaicxf</author><pubDate>Wed, 22 Mar 2017 15:32:54 +0800</pubDate><description><![CDATA[sed是一个很好的文件处理工具，本身是一个管道命令，主要是以行为单位进行处理，可以将数据行进行替换、删除、新增、选取等特定工作，下面先了解一下sed的用法
sed命令行格式为：
         sed [-nefri] ‘command’ 输入文本        
常用选项：
        -n∶使用安静(silent)模式。在一般 sed 的用法中，所有来自 STDIN的资料一般都会]]></description><category></category></item><item><title><![CDATA[Linux中find常见用法示例]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/64919887</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/64919887</guid><author>dlaicxf</author><pubDate>Wed, 22 Mar 2017 15:22:29 +0800</pubDate><description><![CDATA[Linux中find常见用法示例
·find   path   -option   [   -print ]   [ -exec   -ok   command ]   {} \;



find命令的参数；
pathname: find命令所查找的目录路径。例如用.来表示当前目录，用/来表示系统根目录。
-print： find命令将匹配的文件输出到标准输出。
-exec： fi]]></description><category></category></item><item><title><![CDATA[caffe的python接口学习（1）：生成配置文件]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/58073108</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/58073108</guid><author>dlaicxf</author><pubDate>Mon, 27 Feb 2017 14:43:27 +0800</pubDate><description><![CDATA[caffe是C++语言写的，可能很多人不太熟悉，因此想用更简单的脚本语言来实现。caffe提供matlab接口和python接口，这两种语言就非常简单，而且非常容易进行可视化，使得学习更加快速，理解更加深入。
半年前，我在学习CAFFE的时候，为了加深理解，因此写下了随笔，有了一系列的caffe学习文章。半年过去，很多人问到关于python接口和可视化的一些问题，现在有点空闲时间，就再次写下一些]]></description><category></category></item><item><title><![CDATA[caffe中各层定义]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/54573603</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/54573603</guid><author>dlaicxf</author><pubDate>Mon, 16 Jan 2017 14:08:46 +0800</pubDate><description><![CDATA[Vision Layers

ConvolutionPoolingLocal Response Normalization LRNim2col
Loss Layers

SoftmaxSum-of-Squares EuclideanHinge MarginSigmoid Cross-EntropyInfogainAccuracy and Top-k
Activation Neuron ]]></description><category></category></item><item><title><![CDATA[Caffe傻瓜系列(11)：caffe中的lr_policy选择]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/54381712</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/54381712</guid><author>dlaicxf</author><pubDate>Thu, 12 Jan 2017 21:01:37 +0800</pubDate><description><![CDATA[在自己配置训练网络时的solver文件中这个参数选择有好多种策略。

接下来看看caffe.proto文件的这个参数：





[cpp] view
 plain copy


 



// The learning rate decay policy. The currently implemented learning rate  
// policies]]></description><category></category></item><item><title><![CDATA[【caffe-Windows】训练自己数据——数据集格式转换]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/54378409</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/54378409</guid><author>dlaicxf</author><pubDate>Thu, 12 Jan 2017 15:26:44 +0800</pubDate><description><![CDATA[前言

看了mnist和cifar的实例，是不是想我们现实中一般都是一张张的图片，和实例里面都不一样呢？那么如何来进行训练呢？为了能够简便点，我们就不自己去采集数据集了，因为第一自己采集的数据集量可能不够，第二，采集的数据集可能标注有很大问题，比如噪声太多等，第三针对每一种数据，我相信有不同的模型去进行classification，并不是一味地套用别人的模型，当然也可以在别人基础上做微调fin]]></description><category></category></item><item><title><![CDATA[深度学习（六）caffe入门学习]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/54344811</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/54344811</guid><author>dlaicxf</author><pubDate>Wed, 11 Jan 2017 16:23:10 +0800</pubDate><description><![CDATA[caffe入门学习


原文地址：http://blog.youkuaiyun.com/hjimce/article/details/48933813

作者：hjimce

本文主要讲解caffe的整个使用流程，适用于初级入门caffe，通过学习本篇博文，理清项目训练、测试流程。初级教程，高手请绕道。

我们知道，在caffe编译完后，在caffe目录下会生成一个build目录，在buil]]></description><category></category></item><item><title><![CDATA[Matlab内存不足问题的解决]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/54140041</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/54140041</guid><author>dlaicxf</author><pubDate>Fri, 06 Jan 2017 17:06:03 +0800</pubDate><description><![CDATA[刚用matlab做实验，由于数据量比较大，出现“Out of Memory”，但是算了下数据量，发现还不足以让2.5G的内存消耗殆尽啊，于是在网上查找问题解决方法，下面是别人的方法：

Matlab内存不足问题的解决


最近尝试采用matlab中的神经网络工具包做些试验，但是数据的规模比较大，在模型训练的过程中，总是返回“Out Of Memory”错误，而不能继续训练。尝试了几种可能]]></description><category></category></item><item><title><![CDATA[Matlab使用过程中内存不足问题的总结]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/54139884</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/54139884</guid><author>dlaicxf</author><pubDate>Fri, 06 Jan 2017 16:59:13 +0800</pubDate><description><![CDATA[做图像处理的，对matlab这工具软件一定不会陌生，他的高集成度为图像处理提供了很大的方便，但我们在使用时难免会出现内存不足的问题，2、3G的内存还不够处理一次简单图像，这确实很恐怖。但这里的警告并不是说真的物理内存用完了，一般out of memenry存在以下几种情况：
1、 变量需要的存储空间超过了可用的内存空间
2、 数据需要的存储空间，超过内存中最大的可用连续存储空间
3 、程序和]]></description><category></category></item><item><title><![CDATA[训练集(train set) 验证集(validation set) 测试集(test set)]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/53380308</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/53380308</guid><author>dlaicxf</author><pubDate>Mon, 28 Nov 2016 16:59:48 +0800</pubDate><description><![CDATA[在有监督(supervise)的机器学习中，数据集常被分成2~3个，即：训练集(train set) 验证集(validation set) 测试集(test
 set)。

http://blog.sina.com.cn/s/blog_4d2f6cf201000cjx.html

一般需要将样本分成独立的三部分训练集(train set)，验证集(validation set)和测试集]]></description><category></category></item><item><title><![CDATA[Out of memory. Type HELP MEMORY for your options]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/53227486</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/53227486</guid><author>dlaicxf</author><pubDate>Sat, 19 Nov 2016 09:27:06 +0800</pubDate><description><![CDATA[今天用Matlab跑程序，由于数据量太大，又出现 Out of memory. Type HELP MEMORY for your options.的问题。看到这篇文章非常实用，转过来方便查阅~


用 Matlab 进行大规模科学计算或仿真时，内存是一个需要时常注意的问题。在matlab里运行

>>system_dependent memstats

就可以看到内存的使用状况。当]]></description><category></category></item><item><title><![CDATA[图像视觉领域部分开源代码2-2015]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/53010333</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/53010333</guid><author>dlaicxf</author><pubDate>Wed, 02 Nov 2016 18:07:08 +0800</pubDate><description><![CDATA[图像视觉领域部分开源代码2




场景识别： 
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Robust 
Semantic Pixel-Wise Labelling 
https://github.com/alexgkendall/caffe-segnet

Tracking: 
Learni]]></description><category></category></item><item><title><![CDATA[CVPR2016文章目录]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/52958236</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/52958236</guid><author>dlaicxf</author><pubDate>Fri, 28 Oct 2016 17:31:32 +0800</pubDate><description><![CDATA[ORAL SESSION

Image Captioning and Question Answering

Monday, June 27th, 9:00AM - 10:05AM.

These papers will also be presented at the following poster
 session

1   Deep Compositional Capti]]></description><category></category></item><item><title><![CDATA[计算机视觉和模式识别 CVPR2016的代码合集]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/52958128</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/52958128</guid><author>dlaicxf</author><pubDate>Fri, 28 Oct 2016 17:20:34 +0800</pubDate><description><![CDATA[1


Upvotedownvote_







CODE
 / PROJECT-PAGES:Project page for "Efficient and Robust Color Consistency for Community Photo Collections. - Jaesik Park, Yu-Wing Tai, Sudipta N. Sinha, In ]]></description><category></category></item><item><title><![CDATA[CVPR 2016 摘要阅读]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/52958092</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/52958092</guid><author>dlaicxf</author><pubDate>Fri, 28 Oct 2016 17:17:38 +0800</pubDate><description><![CDATA[为了说明看过CVPR2016全部文章的摘要，总结一下，摘要只保留了创新点部分。

ORAL SESSION

Image Captioning and Question Answering

Monday, June 27th, 9:00AM - 10:05AM.

These papers will also be presented at the following poste]]></description><category></category></item><item><title><![CDATA[深度学习2015年文章整理（CVPR2015）]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/52958061</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/52958061</guid><author>dlaicxf</author><pubDate>Fri, 28 Oct 2016 17:14:42 +0800</pubDate><description><![CDATA[国内外从事计算机视觉和图像处理相关领域的著名学者都以在三大顶级会议（ICCV，CVPR和ECCV）上发表论文为荣，其影响力远胜于一般SCI期刊论文，这三大顶级学术会议论文也引领着未来的研究趋势。CVPR是主要的计算机视觉会议，可以把它看作是计算机视觉研究的奥林匹克。博主今天先来整理CVPR2015年的精彩文章（这个就够很长一段时间消化的了） 
顶级会议CVPR2015参会paper网址： 
h]]></description><category></category></item><item><title><![CDATA[python keras （一个超好用的神经网络框架）的使用以及实例]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/52847088</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/52847088</guid><author>dlaicxf</author><pubDate>Tue, 18 Oct 2016 11:05:41 +0800</pubDate><description><![CDATA[先吐槽一下这个基于theano的keras有多难装，反正我是在windows下折腾到不行，所以自己装了一个双系统。这才感到linux系统的强大之初，难怪大公司都是用这个做开发，妹的，谁用谁知道啊！！！！ 
　　　先来介绍一下这个框架：我们都知道深度的神经网络，Python一开始有theano这个框架用来写神经网络，不过后来我们发现keras这个比theano更加容易构建，很适合初学者。×..× ]]></description><category></category></item><item><title><![CDATA[基于Theano的深度学习(Deep Learning)框架Keras学习随笔-05-模型]]></title><link>https://blog.youkuaiyun.com/dlaicxf/article/details/52847051</link><guid>https://blog.youkuaiyun.com/dlaicxf/article/details/52847051</guid><author>dlaicxf</author><pubDate>Tue, 18 Oct 2016 11:02:55 +0800</pubDate><description><![CDATA[原地址：http://blog.youkuaiyun.com/niuwei22007/article/details/49207187可以查看更多文章

介绍完了优化器和目标函数，那么剩下的就是训练模型了。这一小节，我们来看一下Keras的Models是如何使用的。Keras可以建立两种模型，一种是线性叠加的，层与层之间是全连接的方式，一个输入，一个输出；另外一种是图型的，输入与输出数量任意，并且可以指定]]></description><category></category></item></channel></rss>