无奈的小心酸的博客

论文全名：[2015](HED_FCN)Holistically-Nested Edge Detection.pdf代码下载地址：https://github.com/s9xie/hed附上一篇个人认为写的比较好的论文笔记：http://blog.youkuaiyun.com/u012905422/article/details/52782615关于HED的训练在另一篇博客中已经讲过，

转自：http://blog.youkuaiyun.com/heyongluoyao8/article/details/48636251循环神经网络(RNN, Recurrent Neural Networks)介绍   这篇文章很多内容是参考：http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part

转自：https://zhidao.baidu.com/question/621624946902864092.htmlcaffe 中为什么bn层要和scale层一起使用这个问题首先你要理解batchnormal是做什么的。它其实做了两件事。1) 输入归一化 x_norm = (x-u)/std, 其中u和std是个累计计算的均值和方差。2）y=alpha×x_norm +

深度学习中，如果针对图像进行处理，通常采用ycbcr对彩色图像进行处理，将得到的结果利用神经网络对Y通道进行神经网络处理，得到处理后的灰色图像，再将彩色信息进行填充，即可得到彩色结果图像1.利用ycbcr对彩色图像进行处理，输出结果的Y通道image=imread('baboon.jpg');image = rgb2ycbcr(image);image1 = im

命令为./build/tools/caffe train --solver examples/DPPN/solver_dct_pixel.prototxt 2>&1| tee mylog/caffe.log首先cd进入caffe根目录执行该命令，examples/DPPN/solver_dct_pixel.prototxt 为执行文件路径mylog/ca

论文全名：[2015](HED_FCN)Holistically-Nested Edge Detection.pdf代码下载地址：https://github.com/s9xie/hed附上一篇个人认为写的比较好的论文笔记：http://blog.youkuaiyun.com/u012905422/article/details/52782615注意事项：从github下载下来的程序，是自带c

转自：http://m.blog.youkuaiyun.com/Aaron_wei/article/details/76862038本文提出了一种利用生成对抗网络(GAN)对低分辨率单一图像进行超分辨率(super-resolution)的网络结构，作为GAN的一种重要应用，很值得去学习研究。阅读原文点这里。Abstract尽管我们已经利用更快更深的卷积

转自：http://blog.youkuaiyun.com/langb2014/article/details/68068127题目】分形网络：无残差的极深神经网络（FractalNet: Ultra-Deep Neural Networks without Residuals）【作者】芝加哥大学 Gustav Larsson，丰田工大学芝加哥分校 Michae

转自：http://blog.youkuaiyun.com/shuzfan/article/details/51460895Loss Functionsoftmax_loss的计算包含2步：（1）计算softmax归一化概率（2）计算损失这里以batchsize=1的2分类为例： 设最后一层的输出为[1.2 0.8],减去最大值后为[0

问题描述： 在进行神经网络训练过程中，使用了BN+Scale层 发现将conv层与BN层的学习率置为0，网络结果仍然会变化，发现Scale层也有学习率layer { name: "scale_conv1"    type: "Scale"    bottom: "conv1"    top: "conv1"       param {      lr_mult:

转自：http://blog.youkuaiyun.com/u014380165/article/details/75676216论文：Dual Path Networks 论文链接：https://arxiv.org/abs/1707.01629 代码：https://github.com/cypw/DPNs MXNet框架下可训练模型的DPN代码（如果对你有帮助，记得给个星

论文全名：Fully Convolutional Networks for Semantic Segmentation全卷积神经网络 FCN代码运行详解：运行平台：Ubuntu 14.04 + cudnn7步骤1.代码准备：下载新版caffe：   https://github.com/BVLC/caffe下载fcn代码：      https://gith

eltwise：将多个输入进行合并，可选合并方式有：相加，相乘，取最大，如果想实现减法，可以将操作设置为相加，coeff设置为1和-1concat： 以某个axis为准，将多个输出进行组合，与slice相反slice： 以某个axis为准，将输入进行分解为多个输出，与concat相反spilt： 1个输入多个输出，与slice不同的是，每个输出都一样，该层只是将blob复制多份，分给不

最近关注了spilt-transform-merge策略，有必要了解下slice layerslice layer用以将 输入(bottom) 分解成 多个输出(top)与split layer 不同的是，spilt是将输入复制多份输出layer { name: "slice" type: "Slice" bottom: "input" top: "output1"

转自：http://blog.youkuaiyun.com/u014380165/article/details/77284905技术报告：Memory-Efficient Implementation of DenseNets 技术报告链接：https://arxiv.org/abs/1707.06990这篇技术报告旨在改进DenseNet模型占用显存较大的问题。DenseNet是一个全

转自：http://blog.youkuaiyun.com/u014380165/article/details/78006893论文：Multi-Scale Dense Convolutional Networks for Efficient Prediction 论文链接：https://arxiv.org/abs/1703.09844 代码地址：https://github.com/

转自：http://blog.youkuaiyun.com/u014380165/article/details/75142664论文：Densely Connected Convolutional Networks 论文链接：https://arxiv.org/pdf/1608.06993.pdf 代码的github链接：https://github.com/liuzhuang1

转自：http://blog.youkuaiyun.com/u014380165/article/details/71667916论文：Aggregated Residual Transformations for Deep Neural Networks论文链接：https://arxiv.org/abs/1611.05431这是一篇发表在2017CVPR上的

转自：http://blog.youkuaiyun.com/jyfu2_12/article/details/76208966经常在使用Python的时候需要安装各种模块，而pip是很强大的模块安装工具，但是由于国外官方默认pip访问速度慢,经常被墙，导致无法安装，所以我们最好是将自己使用的pip源更换一下，这样就能解决被墙导致的装不上库的烦恼。 网上有很多可用的国内镜像源

caffe程序时候做了一个拷贝权重的操作，报错具体为：F1128 17:26:07.834883  3054 net.cpp:141] Check failed: param_size 我的convolution1的设置为layer {  name: "Convolution1"  type: "Convolution"  bottom: "elt-da

论文名称：SRN: Side-output Residual Network for Object Symmetry Detection in the Wild   ----CVPR 2017code地址：https://github.com/KevinKecc/SRN论文概述：一篇做图像对称性骨骼的论文，与以往不同的是，此篇论文中采用了自定义的benchmark，基于HED进行网络改造，

转自：http://www.cnblogs.com/yinheyi/p/6070213.htmlcaffe中各层的作用:关于caffe中的solver:cafffe中的sover的方法都有:Stochastic Gradient Descent (type: "SGD"),AdaDelta (type: "AdaDelta"),Ada

转自http://www.mamicode.com/info-detail-1368127.htmlcaffe 参数介绍solver.prototxtnet: "models/bvlc_alexnet/train_val.prototxt" test_iter: 1000 # test_interval: 1000 # base_lr: 0.01

问题综述：利用matlab，在编译matcaffe的前提下，对已有的caffemodel进行结构修改，例如，删除一些层等问题描述：在深度学习过程中，自己的目标任务往往需要基于物体识别等等其他任务的基础上，加上自己的训练数据不足，这就需要我们对已有的网络进行拷贝权重，用自己的数据进行fine-tune，从而达到自己的目的解决方法：首先需要matcaffe，运行以下代码

转自：  http://www.cnblogs.com/kunyuanjushi/p/5937083.html在Fully Convolutional Networks（FCN）中，会用到Crop 层，他的主要作用是进行裁切。下面我们举一个例子来说明如何使用Crop 层。 　　Caffe中的数据是以 blobs形式存在的，blob是四维数据，即 （Batch s

论文全名：Accurate Image Super-Resolution Using Very Deep Convolutional Networks下载地址：https://pan.baidu.com/s/1ge2pCWFcode：https://github.com/huangzehao/caffe-vdsr该论文利用残差学习，加深网络结构（20层），在图像的超分辨

在实验室电脑上完成编译 在个人笔记本上采取博客中所写方法直接添加编译后的Release已经成功实现matcaffe的使用 特此分享编译后的matcaffe如果需要使用cpu版本的matcaffe 可直接下载 无需用VS编译在此分享下自己编译后的 matcaffe的Release  无GPU http://pan.baidu.com/s/1qYnZfnY如果需要使用m

最近编译了下caffe-windows 确实是费了点功夫主要难在 参考的博客使用的caffe-windows与目前官网的版本已经不一致VS2013编译过程中遇到博客中未遇到的问题特写此篇博文 记录下自己的经历caffe-windows编译软件：VS2013（注意 至少包含update2升级包，不然会在编译过程遇到诸如 无法引用头文件 无法识别sstream头文件等等等等

转自：http://blog.youkuaiyun.com/xue_wenyuan/article/details/52037121Step 1在Makefile.config文件的第85行，添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代码改为第二行代码。INCLUDE_DIRS := $(PYTHON_INCLUDE)

参考：http://blog.youkuaiyun.com/yhl_leo/article/details/51371936这个问题应该是opencv的问题具体来说，应该是opencv_imgcodecs链接的问题，比较有效的解决方案是，把opencv需要的lib添加到Makefile文件中操作为 打开Makefile文件在174行（这个行数可能不准确），也可以

caffe程序中，有时候我们不需要更新某些层，那么我们该怎么做呢？假设共有5个卷积层，conv1,conv2,conv3,conv4,conv5为了方便，假设只有这5个卷积层，没有pool层与relu层卷积层的定义为layer{  name:"conv1"  type:"Convolution"  bottom: "data"  top: "conv1"

Eltwise层的操作有三个：product（点乘）， sum（相加减） 和 max（取大值），其中sum是默认操作。elewise层含有参数coeff，虽然经常省略不写如果实现A-B，则可采用以下方式：layer { name: "eltwise_layer" type: "Eltwise" bottom: "A" bottom: "B" top

论文名： Image Restoration Using Very Deep Convolutional Encoder-Decoder Networkwith Symmetric Skip Connection   ------------------2016 NIPS论文针对图像修复方向，提出了一种跳跃链接的残差网络，总体来说论文结构简单，不过有点意思，所以简单说一下：

原因： 网络结构的文件，通常为trainval.prototxr文件中存在语法错误，例如符号缺失等语法错误我的错误原因在于，在定义layer时候，少了个引号

windows命令行模式下可以：.build/tools/caffe train --solver examples/DMAM/DMAM_solver.prototxt --snapshot=examples/DMAM/Model/_iter_190000.solverstatelinux下可以python solver.py --snapshot=XXXXX.solverst

在网上搜了相关解决方法其中 ，有的方法不可行，有的方法不全面，经过个人尝试，可以采用以下完备方案：首先尝试，修改Makefile.config，将PYTHON_INCLUDE := $(ANACONDA_HOME)/include \#                 $(ANACONDA_HOME)/include/python2.7 \#    

转自： http://blog.youkuaiyun.com/cyh_24/article/details/51537709caffe 参数介绍solver.prototxtnet: "models/bvlc_alexnet/train_val.prototxt" test_iter: 1000 # test_interval: 1000 # base

论文名称：MemNet: A Persistent Memory Network for Image Restoration作用领域：图像修复（去噪，超分辨率）code：https://github.com/tyshiwo/MemNet概述：这是一篇ICCV2017的文章，作者是DRRN（CVPR2017）的那一帮人，该篇论文中提出一个延长记忆的模型，传统的神经网络基本上都

服务器的cuda从7.0更新到了9.0我之前编译的caffe光荣的不能用了，重新编译又遇到了第一次编译caffe时候遇到的相同问题，觉得为了避免再次出现这个情况，还是记录下问题和解决办法吧1.CXX/LD -o .build_release/tools/convert_imageset.bin.build_release/lib/libcaffe.so: undefin