点滴的岁月

在VLFeat官网上是这么介绍VLFeat的：VLFeat开源库实现了很多著名的机器视觉算法，如HOG, SIFT, MSER, k-means,hierarchical k-means, agglomerative information bottleneck, SLIC superpixels, 和 quick shift。VLFeat开源库是用C语言写的，以确保其效率和兼容性，同时VLF

本文的配置路径为 D:\MATLAB\R2010a\toolbox\libsvm-3.12\matlab，从始至终都是在这个目录下进行的。当然，你也可以将编译好的文件拷贝到任何地方，只要你当前的工作目录中有这四个文件即可。 1.下载libsvm http://www.csie.ntu.edu.tw/~cjlin/libsvm/ 我的matlab版本 R2012b，我的libsvm版本3.

SPAMS 是一个为解决各种稀疏估计问题的开源优化工具箱，http://spamsdevel.gforge.inria.fr/index.html ，简单介绍下功能：字典学习与矩阵分解，解决稀疏分解，解决结构化稀疏分解问题。 由于这个工具箱给出的是c++代码，所以需要编译才能最终使用。也正因为如此，这个工具箱实现的算法在执行时是很快的，而且可以移植到各种平台使用。这个工具箱网上很多人有提

Faster R-CNN是当前目标检测领域内性能最好的算法之一，它将RPN（Region Proposal Network）网络和Fast R-CNN网络结合到了一起，实现了一个端到端的目标检测框架。作者Shaoqing Ren在github上公开了源代码，可以很方便地在自己的机器上进行测试。本文记录的是Ubuntu16.04下配置和测试Faster R-CNN的过程，其中包括Caffe的

我的机器环境: Ubuntu 16.04,  gcc 5.3.0, Matlab R2015b.cpu安装 Caffe官网提供了Matlab接口的配置方法，核心也就两个命令 [html] view plain copy   make matcaffe   make mattest   在执行这两个命令之前，还有两个准备工作： (1)修改

Faster R-CNN是当前目标检测领域内性能最好的算法之一，它将RPN（Region Proposal Network）网络和Fast R-CNN网络结合到了一起，实现了一个端到端的目标检测框架。作者Shaoqing Ren在github上公开了源代码，可以很方便地在自己的机器上进行测试。本文记录的是Ubuntu16.04下配置和测试Faster R-CNN的过程，其中包括Caffe的安装