pcb931126的博客

1.libfacedetection它最大的亮点是能够在所有支持 C/C++的平台上编译运行。作者将预训练的 CNN 模型转换为静态变量后储存到了 C 文件里，使得该项目不需要任何其他依赖项（当然 OpenCV 还是需要的），仅仅只需要一个 C++编译器，就能在任何一个平台甚至嵌入式系统上编译并运行该项目。尤其吸引人的是该项目使用 C++编写且支持 AVX2，在 i7 的 CPU 上就能跑出...

我是在已经编译好Caffe环境下再次编译Faster-RCNN,相当于从新编译了一遍caffe，首先大体上按照这篇文章作为编译Faster-RCNN的主线：https://blog.youkuaiyun.com/weixin_40368377/article/details/81985023首先最坑的就是模型下载不下来的问题，需要翻墙，我这边直接给百度云的链接了：遇到的坑1编译caffe/usr/l...

折腾了好几天，终于安装好了主要参考了这篇博客https://blog.youkuaiyun.com/u013066730/article/details/80893495，这博客后面的安装是有问题的，具体的坑下面列出来，以后安装会好很多1.这篇博客从开始到6.2.1没有问题，有问题在6.2.1之后问题1INCLUDE_DIRS和 LIBRARY_DIR的路径有问题作者的路径有问题，如下图所是将I...

上一篇博客写了手写字体的识别（使用mnist举得例子），但是mnist的网络跟AlexNet模型差别很大，所有又使用Python写了一个AlexNet的网络，代码如下：# -*- coding: utf-8 -*-"""使用python写Caffe的网络,生成Caffe的网络配置文件"""import syscaffe_root="/home/pcb/caffe/"sys.p...

当网络比较长时，在.prototxt文件中写Caffe网络容易出错，下面是使用Python写Caffe网络的配置文件（以手写体识别mnist为例），Python代码：# -*- coding: utf-8 -*-"""使用python写Caffe的网络,生成Caffe的网络配置文件"""import syscaffe_root="/home/pcb/caffe/"sys.pa...

Caffe的数据层如下图所示： 其中的mean_file是求得训练图像的均值，它的计算可以直接使用命令行来实现，如：#第一个参数是Caffe自带的计算均值的可执行文件#第二个参数是Caffe用于训练的lmdb数据源mnist_train_lmdb （前面博客中有讲过怎样说生成Caffe的lmdb数据源）#第三个参数是生成的mean.binaryproto文件存放的位置#在ubun...

1、安装graphviz: sudo apt-get install graphviz #依赖库2、安装pydotsudo pip install pydot3、使用命令行进行网络的绘制#第一个参数是Caffe文件中Python文件夹下的draw_net.py文件#第一个参数：网络模型的prototxt文件#第二个参数：保存图像的路径及名称#第三个参数：--ran...

在配置文件和超参数文件都配置好了之后，想要使得网络开始训练和测试，就需要在ubuntu的命令行上运行脚本文件，也就是后缀为.sh的文件，具体如下所示：####训练网络 #在Ubuntu的命令行上运行脚本文件train_lenet.sh sudo sh ./bulid/tools/caffe train --solver=examples/mnist/train_lenet.sh ...

把所要进行回归的Caffe图像放在/home/pcb/caffe/examples/Caffe_DataMaker_hdh5文件夹的image文件夹中，然后有一个 hdf5.txt,文档中的第一列为图像的名称，后面的是图像5个特征的位置（这里的5个特征只是举个栗子，或许有别的把，只是这个txt怎么生成还不知道，如果图像多的话肯定要写程序的，后面会继续更新的！），具体如下图所示： 然后生成h...

我们把需要做的数据放在Caffe_DataMaker 文件夹中，并且将数据按比例分为测试集文件夹train和训练集文件夹val；在测试集文件夹中按照类别放在相应的文件夹中，文件夹命名为0,1，…..（从0开始命名），在测试集文件夹中进行同样的操作，使用的python代码为：# -*- coding: utf-8 -*-"""使用python制作用于caffe分类的lmdb数据源"""...

下面是python代码：# coding=UTF-8"""使用训练好的caffe模型预测手写体程序"""import osimport sysimport numpy as npimport matplotlib.pyplot as pltcaffe_root="/home/pcb/caffe/" #设置caffee的目录sys.path.insert(0,caf...

在Caffe中，我们训练好了模型之后（或者下载了别人训练好的网络模型之后），开始用，caffemodel进行训练，下面是使用python代码进行分类的代码：# coding=utf-8# 加载必要的库import numpy as npimport sysimport os# 设置当前目录caffe_root = '/home/pcb/caffe/'sys.path.inser...

Caffe中需要Accuracy和Loss曲线图，比较直观，下面是Python代码：# coding=UTF-8import numpy as npimport matplotlib.pyplot as pltimport sysimport os"""绘制Loss和Accuracy曲线"""caffe_root="/home/pcb/caffe/"sys.path....