Si1as的博客

版权声明：本文为博主原创文章，未经博主允许不得转载。本文针对faster rcnn下的模型训练及检测。所用网络VGG16/faster_rcnn_alt_opt, 数据集pascal voc2007 .(友情提示：若要修改某文件里的信息，最好将原文件重命名备份，以免修改后出现问题导致无法复原。)一 更改类别（选做）1 打开主目录（YOURS/Downloads/py-f

ubuntu14.04 + cuda7.5 + opencv3.0 + cudnn7.0_v4参考http://ouxinyu.github.io/Blogs/20151108001.html一 nVidia CUDA Toolkit的安装（*.deb方法）$ sudo dpkg -i cuda-repo-ubuntu1404-7-5-local_7.5-18_amd64.de

整个训练检测过程主要是这样的 ：样本处理—>训练分类器—>目标检测。一：样本的处理1：正样本的处理。正样本，也就是我们包含需要检测的目标的样本集，如行人检测当中的行人、人脸识别当中的人脸。这里就需要我们自己准备样本了，拍照或者是提取视频帧。一般在正式使用正样本之前需要对其进行归一化处理，人工裁剪很难保证精度而且费时费力，可以用一段精简的matlab程序就可以解决，作用是将尺寸不一的

机器学习方法在大型数据库中的应用成为数据挖掘data mining。模式识别应用：光学字符识别ORC，人脸识别，医学诊断，语音识别，生物测定学，从数据中学习规则（知识抽取），离群点检测。回归：给定一定的属性信息，输出一个结果，并从数据中获取一个较符合的曲线。过拟合是一定程度上过度拟合实验数值，误差很小，但可能造成实际数据与该规律想差很大。监督学习，我们目标是学习从输入到输出的映射关

Object Detection发展介绍Faster rcnn是用来解决计算机视觉(CV)领域中Object Detection的问题的。经典的解决方案是使用: SS(selective search)产生proposal,之后使用像SVM之类的classifier进行分类，得到所有可能的目标. 使用SS的一个重要的弊端就是：特别耗时，而且使用像传统的SVM之类的浅层分类器，效果不