lsn_sgj的博客

一、换每个层的tpye：如DATA  -> "Data"  CONVOLUTION -> "Convolution"RELU ->  "ReLU",POOLING -> "Pooling",ACCURACY - >"Accuracy"SOFTMAX_LOSS - > "SoftmaxWithLoss"二、将blobs_lr: 1  blobs_lr: 2

INCLUDEPATH+= /usr/local/include \/usr/local/include/opencv \/usr/local/include/opencv2 \/home/lsn/Software/caffe-master/include \/home/lsn/Software/caffe-master/build/src \/usr/lib/x86_64-linux-gnu \...

import syssys.path.insert(0, r"/home/lsn/Software/SSD/caffe/python")import caffeimport timeimport numpy as npimport cv2modelFile = "deploy.prototxt"pretrained = "snapshot/VGG_VOC0712_SSD_300x3

本文转载自：http://blog.youkuaiyun.com/yimingsilence/article/details/53995721这里搜集了一些关于物体检测的方法分析和介绍，看好哪个可以去详细研究一下，基本都有论文或代码的链接。这里是简述各种方法，下面有详细叙述方法选择：========DPM=========使用传统的slide

# train_num = 4000# test_num = 800#batch_size = 100#  epoch = 30# test_iter = test_num / batch_sizetest_iter: 8 # 每全部训练一次，测试一次 # test_interval = train_num / batch_sizetest_inte

转自：http://blog.youkuaiyun.com/wendox/article/details/52840372迁移学习有两种方式,一是卷积网络作为固定的特征提取器.拿到一个预训练好的卷积网络,去掉全连接层,吧其余的部分作为一个特征提取器.alex网络会计算一个4096D的特征向量,称之为cnn codes.有了这些特征很容易训练一个线性分类器. 另外一种方式是fine-tuni

一 、制作数据集等二、删掉 data层中的mean_file，source， backend三、将   include { phase:  TRAIN} 换成 include {stage： “train”}        将include {phase： TEST}  换成 include {stage: "val"}        loss层加 exclude { stag

转自：https://ask.julyedu.com/question/7490R-FCNpaper:https://arxiv.org/abs/1605.06409作者代码：https://github.com/daijifeng001/R-FCN #matlab版本这里使用python版本的代码：https://github.com/Orpine/py-R-FCN1

一、包含头文件D:\caffe-master\cuda\includeC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\includeD:\NugetPackages\OpenCV.2.4.10\build\native\include\opencv2D:\NugetPackages\OpenCV.2.4.10\buil