qq_37124237的博客

%格式转换的可执行文件% %重新设定图片的大小% %打乱图片% %转换格式% %图片路径% %图片标签% %LMDB文件的输出路径% E:\caffe\caffe-master\Build\x64\Release\convert_imageset.exe ^ --resize_height=256 --resize_width=256 ^ --shuffle ^ --backend="lmdb"...

0.文件夹名 首先，确定你的数据集所放的文件夹名字，例如我的叫VOC2007 1.图片命名 虽然说图片名对训练没什么影响，但建议还是按VOC2007那样，如“000005.jpg”这种形式。至于图片格式，代码里是写的jpg。 批量修改图片名字为VOC2007格式可以参考以下python代码： # -*- coding:utf-8 -*- #批量修改文件名 #批量修改图片文件名 impor...

根据自己的数据集修改文件 1.模型配置文件 我用end2end的方式训练，这里我用vgg_cnn_m_1024为例说明。所以我们先打开models\pascal_voc\VGG_CNN_M_1024\faster_rcnn_end2end\train.prototxt，有4处需要修改 [plain] view plain copy     print? <span style=...

121 系统环境windows 10 X64 VS2013 GTX1060 CUDA8.0 cudnn5.0 Miniconda X64 for python 2.7 opencv3.0 123456782安装环境参考我上面一篇博客，caffe已经配置好了，并自己生成了release版本的库文件，配置faster rcnn来检测运动目标，刚开始配置这玩意儿时我没有安装Miniconda 然后我就直...

#!/usr/bin/env python # -------------------------------------------------------- # Faster R-CNN # Copyright (c) 2015 Microsoft # Licensed under The MIT License [see LICENSE for details] # Written b...

一、生成Caffe数据库1、准备数据参考链接中的作者提供了一些图片，共有500张图片，分为大巴车、恐龙、大象、鲜花和马五个类，每个类100张。编号分别以3，4，5，6，7开头，各为一类。其中每类选出20张用作测试，其余80张用作训练。因此最终训练图片400张，测试图片100张，共5类。我在caffe根目录下的examples文件夹里新建了test_A文件夹，并将图片集放入其中。即，训练图片目录：e...

二、训练模型1、修改模型首先把models/bvlc_alexnet下的solver.prototxt和train_val.prototxt复制到examples/test_A路径下，然后打开solver.prototxt文件（建议下载一个Notepad++），将其修改为如下：下图盗的，自行对照修改net: "E:/caffe/caffe-master/examples/test_A/train_...

使用Caffe的C++接口进行操作时，需要的图像均值文件是pb格式，例如常见的均值文件名为mean.binaryproto；但在使用python接口进行操作时，需要的图像均值文件是numpy格式，例如mean.npy。所以在跨语言进行操作时，需要将mean.binaryproto转换成mean.npy，转换代码如下：import caffe import numpy as np MEAN_PRO...

使用Caffe框架识别自己手写的图片需要使用到classification.exe文件，但是在编译完caffe的MainBuilder后，查阅bin目录下会发现没有classification.exe文件。为了获得classification.exe，需要单独编译Classification工程以产生。一、新建classification工程1.     右键“解决方案‘MainBuilder’”...