<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lk123400的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/lk123400</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lk123400]]></copyright><item><title><![CDATA[在centos7.4上编译gcc5.5]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/105009032</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/105009032</guid><author>lk123400</author><pubDate>Sat, 21 Mar 2020 14:18:53 +0800</pubDate><description><![CDATA[gcc升级过程对于高手来说轻车熟路，但对于小白来说略有复杂，时而遇到各种神坑，特此纪录以下。

gcc包下载：

  推荐国内源http://mirrors.nju.edu.cn/gnu/gcc/gcc-5.5.0/gcc-5.5.0.tar.gz，此为国内源；网上提供的国外源太慢，程序员表示忍受不了这种速度。

运行命令：wgethttp://mirrors.nju.edu.cn/gnu...]]></description><category></category></item><item><title><![CDATA[icmp和traceroute]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/82120550</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/82120550</guid><author>lk123400</author><pubDate>Sat, 21 Mar 2020 13:11:59 +0800</pubDate><description><![CDATA[1.IMCP协议介绍

前面讲到了，IP协议并不是一个可靠的协议，它不保证数据被送达，那么，自然的，保证数据送达的工作应该由其他的模块来完成。其中一个重要的模块就是ICMP(网络控制报文)协议。

当传送IP数据包发生错误－－比如主机不可达，路由不可达等等，ICMP协议将会把错误信息封包，然后传送回给主机。给主机一个处理错误的机会，这 也就是为什么说建立在IP层以上的协议是可能做到安全的原因。IC...]]></description><category></category></item><item><title><![CDATA[faiss的编译过程]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/85397873</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/85397873</guid><author>lk123400</author><pubDate>Sun, 30 Dec 2018 17:43:21 +0800</pubDate><description><![CDATA[faiss开源后，为特征检索带来了一个新的途径。因此，开始在自己的主机上编译安装faiss。

本篇文章主要记录下我在centOS7.4上安装faiss cpu版本的一个过程。

【开发环境】

OS          CentOS 7.4

faiss        官方git上的64位发布版本

python     python2.7(系统自带)

【安装过程】

# 安装依赖

yum i...]]></description><category></category></item><item><title><![CDATA[SSD参考]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/70037731</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/70037731</guid><author>lk123400</author><pubDate>Mon, 10 Apr 2017 21:44:20 +0800</pubDate><description><![CDATA[之前一直想总结下SSD，奈何时间缘故一直没有整理，在我的认知当中，SSD是对Faster RCNN RPN这一独特步骤的延伸与整合。总而言之，在思考于RPN进行2-class分类的时候，能否借鉴YOLO并简化faster rcnn在21分类同时整合faster rcnn中anchor boxes实现multi-scale的思想而设计出了SSD，这篇blog关于SSD的细节方面整理的很好，以供参考。]]></description><category></category></item><item><title><![CDATA[SSD训练自己的数据集]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/61191239</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/61191239</guid><author>lk123400</author><pubDate>Fri, 10 Mar 2017 09:05:57 +0800</pubDate><description><![CDATA[Faster-rcnn训练了自己的数据集，感觉效果还行，对于自己的数据集的准确率在89%左右，但是Faster-rcnn的速度就是个坑。因此，开始想着用SSD试一下。


因为已经有了Faster-rcnn数据集，所有数据集的制作步骤可以省略了。接下来就是SSD训练的修改了。
在此，设定SSD的根目录为caffe-ssd:
1、在caffe-ssd/data/VOCdevkit 中mkd]]></description><category></category></item><item><title><![CDATA[物体检测及分类]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/56676080</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/56676080</guid><author>lk123400</author><pubDate>Thu, 23 Feb 2017 17:02:44 +0800</pubDate><description><![CDATA[方法选择：
========DPM=========

使用传统的slider window的方法 计算量非常大
========OverFeat====

改进了Alex-net，并用图像缩放和滑窗方法在test数据集上测试网络；提出了一种图像定位的方法；最后通过一个卷积网络来同时进行分类，定位和检测三个计算机视觉任务，并在ILSVRC2013中获得了很好的结果。
========]]></description><category></category></item><item><title><![CDATA[以resnet作为前置网络的ssd目标提取检测]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/54343600</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/54343600</guid><author>lk123400</author><pubDate>Wed, 11 Jan 2017 15:03:08 +0800</pubDate><description><![CDATA[原文地址：http://blog.youkuaiyun.com/zhangjunbob/article/details/53119959


1.目标
       本文的目标是将resnet结构作为前置网络，在imagenet数据集上进行预训练，随后将ssd目标提取检测网络（一部分）接在resnet前置网络之后，形成一个完整的ssd网络。
        ssd网络下载和配置参考点击打开链接
]]></description><category></category></item><item><title><![CDATA[Faster RCNN解析]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/54343550</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/54343550</guid><author>lk123400</author><pubDate>Wed, 11 Jan 2017 14:59:04 +0800</pubDate><description><![CDATA[一、基于Region Proposal（候选区域）的深度学习目标检测算法

Region Proposal（候选区域），就是预先找出图中目标可能出现的位置，通过利用图像中的纹理、边缘、颜色等信息，保证在选取较少窗口（几千个甚至几百个）的情况下保持较高的召回率（IoU，Intersection-over-Union）。




图1  IoU定义

Region Proposal方]]></description><category></category></item><item><title><![CDATA[目标检测——从RCNN到Faster RCNN 串烧]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/54343530</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/54343530</guid><author>lk123400</author><pubDate>Wed, 11 Jan 2017 14:57:20 +0800</pubDate><description><![CDATA[什么是object detection

object detection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。object detection要解决的问题就是在哪里，是什么，具体在哪里这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。故用一般的方法是]]></description><category></category></item><item><title><![CDATA[深度学习SSD学习记录]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/53814488</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/53814488</guid><author>lk123400</author><pubDate>Thu, 22 Dec 2016 15:03:55 +0800</pubDate><description><![CDATA[转自:http://blog.youkuaiyun.com/u010167269/article/details/52563573

Preface


这是今年 ECCV 2016 的一篇文章，是 UNC
 Chapel Hill（北卡罗来纳大学教堂山分校） 的 Wei Liu 大神的新作，论文代码：https://github.com/weiliu89/caffe/tree/ssd
Obej]]></description><category></category></item><item><title><![CDATA[基于深度学习的目标检测]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/53781658</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/53781658</guid><author>lk123400</author><pubDate>Wed, 21 Dec 2016 10:51:23 +0800</pubDate><description><![CDATA[开始本文内容之前，我们先来看一下上边左侧的这张图，从图中你看到了什么物体？他们在什么位置？这还不简单，图中有一个猫和一个人，具体的位置就是上图右侧图像两个边框(bounding-box)所在的位置。其实刚刚的这个过程就是目标检测，目标检测就是“给定一张图像或者视频帧，找出其中所有目标的位置，并给出每个目标的具体类别”。

目标检测对于人来说是再简单不过的任务，但是对于计算机来说，它看到的是一些]]></description><category></category></item><item><title><![CDATA[faster-rcnn训练自己的数据集以及遇到的一些问题]]></title><link>https://blog.youkuaiyun.com/lk123400/article/details/53282827</link><guid>https://blog.youkuaiyun.com/lk123400/article/details/53282827</guid><author>lk123400</author><pubDate>Tue, 22 Nov 2016 10:17:33 +0800</pubDate><description><![CDATA[入坑DeepLearning,尝试着利用faster-rcnn做目标检测，因此也就入了这个坑了。




数据集的准备主要根据这篇文章，步骤很明确，资料也提供的比较全，包括label和目标框的标注工具等。http://blog.youkuaiyun.com/sinat_30071459/article/details/50723212






根据自己做的数据集进行训练。训练之前要]]></description><category></category></item></channel></rss>