faster-r-cnn
关注
分享
扫一扫
风轻扬逍遥子
这个作者很懒，什么都没留下…
展开
-
在faster rcnn中使用soft nms，faster rcnn的改进（一）
1. 背景介绍我的项目是利用faster rcnn检测kiiti数据集，用原始nms，iters = 10000的情况下，得到的mAP = 0.586, 在改用soft nms后，其他参数均不变的情况下，得到的mAP = 0.622。算是挺大的改进了，所以分享一下具体实现。 我用的Faster-RCNN是tensorflow版本，github地址：Faster-RCNN_TF2. sof...原创 2018-04-13 12:25:13 · 9912 阅读 · 27 评论 -
用自己的数据（kitti）训练测试faster rcnn（一）
Faster用的是PASCAL VOC数据集，所以将kitti数据改为PASCAL VOC的形式是最高效的办法。1. 准备工作下载kitti数据集： 数据集：Download left color images of object data set (12 GB) 标注文件：Download training labels of object data set (5 MB)）创...原创 2018-04-03 12:57:22 · 3379 阅读 · 7 评论 -
Faster-RCNN_TF的loss曲线可视化（tensorflow版本，Faster RCNN的loss曲线可视化）
我用的Faster-RCNN是tensorflow版本，github地址：Faster-RCNN_TF 查到网上的loss曲线都是直接从log的txt里读取，我的代码不生成txt，所以得自己改。我的思路是每cfg.TRAIN.SNAPSHOT_ITERS步生成一个csv文件，最后读取这个文件再画图。具体操作如下：1. 修改train.py在/lib/fast rcnn/train...原创 2018-04-03 10:17:34 · 9442 阅读 · 14 评论 -
9. proposal_target_layer_tf.py ( Faster-RCNN_TF代码解读)
9. /lib/rpn_msr/proposal_target_layer_tf.py本文件实现了根据max_overlaps筛选前景和背景，并得到bbox regression targets等。 具体思路如下（右边页是思路，左边页是备注）： # --------------------------------------------------------# Faster R-C...原创 2018-03-26 15:30:52 · 572 阅读 · 1 评论 -
8. proposal_layer_tf.py ( Faster-RCNN_TF代码解读)
8. /lib/rpn_msr/proposal_layer_tf.py本文件实现了初步筛选proposals，具体实现思路如下（右边页是思路，左边页是备注）： _anchors输出如下： shifts输出如下： anchors输出如下： # --------------------------------------------------------# Fas...原创 2018-03-26 15:16:04 · 546 阅读 · 0 评论 -
7. anchor_target_layer_tf.py ( Faster-RCNN_TF代码解读)
7. /lib/rpn_msr/anchor_target_layer_tf.py本文件将anchors分配给gt targets，产生anchor classification labels和bounding-box regression targets. 思路如下： # ------------------------------------------------------...原创 2018-03-26 14:49:28 · 788 阅读 · 4 评论 -
6. network.py ( Faster-RCNN_TF代码解读)
6. /lib/networks/network.py本文件是/lib/networks/VGGnet_train.py的支持文件，提供各种函数。调用函数链接：‘rpn-data’层所用到的函数：anchor_target_layer‘rpn-rois’层所用到的函数：proposal_layer‘roi-data’层所用到的函数：proposal_target_layer...原创 2018-03-26 14:31:23 · 1259 阅读 · 3 评论 -
5. VGGnet_train.py ( Faster-RCNN_TF代码解读)
5. /lib/networks/VGGnet_train.py本文件是整个faster网络结构。从VGG到RPN，到RoI Proposal，最后是RCNN。 网络结构如下： 调用函数链接：本文件调用的函数，如feed(), conv(), softmax()等都在network.py中。‘rpn-data’层所用到的函数：anchor_target_layer‘rpn...原创 2018-03-26 14:21:31 · 1222 阅读 · 0 评论 -
4. factory.py( Faster-RCNN_TF代码解读)
4. /lib/networks/factory.py调用函数链接：调用网络的解读链接为：VGGnet_train.py代码解读：# --------------------------------------------------------# SubCNN_TF# Copyright (c) 2016 CVGL Stanford# Licensed under ...原创 2018-03-26 13:36:53 · 774 阅读 · 0 评论 -
3. train.py ( Faster-RCNN_TF代码解读)
3. /lib/fast_rcnn/train.py整个网络的训练是在本文件中进行的。 从train_net进去，然后用train_model函数。# --------------------------------------------------------# Fast R-CNN# Copyright (c) 2015 Microsoft# Licensed under...原创 2018-03-26 13:07:43 · 1252 阅读 · 0 评论 -
2. factory.py ( Faster-RCNN_TF代码解读)
2. /lib/datasets/factory.py本文件作用是把所有可能的dataset都列举一次，然后主函数调用时看看此时的dataset在不在之前列举都情况里，有就返回这个数据集类型的对象，没有就报错。# --------------------------------------------------------# Fast R-CNN# Copyright (c) 2...原创 2018-03-26 12:35:42 · 545 阅读 · 0 评论 -
1. /tools/train_net.py ( Faster-RCNN_TF代码解读)
1. /tools/train_net.py我用的Faster-RCNN是tensorflow版本，github地址：Faster-RCNN_TF代码运行是从train_net.py进入的。调用函数链接：imdb = get_imdb(args.imdb_name)中的get_imdb函数在/lib/datasets/factor.py中。roidb = get_train...原创 2018-03-26 12:27:37 · 1405 阅读 · 1 评论 -
深度神经网络加速与压缩总结
模型加速与分类方法Low-Rank Pruning(hot) Quantization(hot) Knowledge Distillation Compact Network DesignLow-RankSVD CP Decomposition Tucker decomposition Tensor Train Decomposition Block Term Decom...转载 2018-11-17 10:46:48 · 937 阅读 · 0 评论