Harder&&Better

0.前言在Faster-rcnn上进行自己的实验，一般有两种方法： 1）. 改动源码，适合自己的数据集格式 2）. 将自己的数据制作成voc格式，直接套用 我在自己的实验中，选择了第二种方式，在此记录整理一下数据集的制作步骤。 voc数据集有三个文件夹：Annonations:存放xml文件JPEGImages:存放图片imagesImageSets:存放txt文件 制作的流程是：图

目录1. 源代码注解对代码中比较重要的地方添加注释，包括自己的理解和一些参考。2.相关知识点补充补充IoU, 非极大值抑制， python的argparse模块等相关知识点。import _init_pathsfrom fast_rcnn.config import cfg#im_detect 生成RPN候选框from fast_rcnn.test import im_detect#nms

本文转载自很好的博文：http://www.cnblogs.com/dudumiaomiao/p/6560841.htmlR-CNN:(1)输入测试图像；(2)利用selective search 算法在图像中从上到下提取2000个左右的Region Proposal；(3)将每个Region Proposal缩放(warp)成227*227的大小并输入到CNN，将CNN的fc

安装好了caffe, 在命令行窗口python解释器中可以正常import caffe，但是在spyder编译器里找不到caffe。原因：系统路径不同，可以分别输入sys.path查看。解决办法：打开 Python-Path-Manager 路径管理器， 右边的python形状的图标，添加路径如图所示：重新启动spyder即可

序搭建Fast_rcnn是在搭成功Caffe的基础上进行的，请看之前的文章系列Caffe配置 前面的Caffe系列用了Anaconda,事实证明虽然Caffe搭建成功了，但是fast-rcnn错误百出，于是又切换到系统python形式，重新编译的Caffe。fast-rnn配置1 克隆安装包git clone --recursive https://github.com/rbgirshick/fa

转载自：：http://www.cnblogs.com/empty16/p/4828476.html严正声明：　　在linux下面使用命令行操作时，一定要懂得命令行的意思，然后再执行，要不然在不知道接下来会发生什么的情况下输入一通命令，linux很有可能崩掉。　　因为在linux下面，使用sudo以及root权限时，是可以对任意一个文件进行操作处理的，即使是正在使用的系统文件。

序（1）感谢网上小伙伴分享的经验，无论是bug解决办法还是cudnn等资源，让我收益良多，有了写博客分享，互帮互助的想法。（2）记录自己的安装历程，以备ubuntu再次崩溃。。。资源链接：链接: https://pan.baidu.com/s/1o8dmxcu 密码: 4ts4配置过程1.  Cuda7.5安装验证系统过程，请参考官方文档。1)下载cud