yiweibian的博客

rbg提供的python版本的faster-rcnn 在ubuntu 下安装比较容易，跟着敲命令就是了，如果想在window下安装却无从下手，搜了几十上百篇的博客以后还是没能成功。能看到的都是过于简单，几句话就说完了，采坑无数后想把自己的一些做法写下来，或许对一些人有用。安装环境：win7， python2.7 , cpu 版1.下载需要的安装包py-faster-rcnn py-faster

以下问题都是根据参考文献修改-1.AttributeError: ‘module’ object has no attribute ‘text_format’解决方法：在/home/xxx/py-faster-rcnn/lib/fast_rcnn/train.py的头文件导入部分加上 ：import google.protobuf.text_format这里也尝试改变protobuf版本...

整个ssd的安装和训练可以按照官方的例子。需要注意的是需要编译ssd相关的代码，可以通过两种方式进行：直接把ssd目录下的operator中的文件复制到src/operator，然后再编译 设置config.mk，把EXTRA_OPERATORS改成EXTRA_OPERATORS = example/ssd/operator，然后再进行编译。接着便是运行demo,看能否正确运行，运行前需要下载

FPN主要使用特征金字塔网络来融合多层特征，改进了CNN特征提取。其在小目标上取得了很大的进步。更多细节可以阅读论文。 下面分两个内容介绍：1. 安装 2. 训练测试1.安装对于FPN有好几个框架实现的版本，如：caffe，mxnet 等。本文是对caffe 版本的FPN安装。 1.1 安装环境 Ubuntu 16.04 Python 2.7 opencv 3.3.0由于之前安装过c

在Opencv3.3版本中集成了deeplearning功能。其实现了对caffe和tensorflow两个框架的推理，但不支持训练。本文使用caffe训练的文件对目标进行检测。整个思路是首先读取视频文件，然后加载模型文件，最后读取到视频的每一帧对其进行检测。系统: ubuntu16.04python:2.7模型文件：MobileNet-SSD任意视频文件1.安装 openCV如果安装好了

忽略细节较多，只做一个简单的说明。系统:ubuntu16.04python2.7opencv3.3.3主要内容1.安装 ssd 2.准备数据 3.训练1.安装 ssd可以根据官网的Toturial安装#1.get the codegit clone https://github.com/weiliu89/caffe.gitcd caffegit checkout ssd#2.

整个过程可以分两步:找到对应的层名字（如：tensorflow 模型中的conv1_1和caffe中的conv1_1）。把weights 和biases 中的值赋给相对应的层。赋值的时候要注意Tensorflow和caffe之间通道不一样，这里还是做转换。 实现 实现的代码地址

官方版本已经有faster-rcnn的实现，所以这里从官方下载mxnet并安装编译。安装环境：Ubuntu14.04GPU gtx10801.mxnet的安装 这里还是从两种情况分析，一种是之前已经安装好了mxnet，但是没有安装编译faster-rcnn，第二种是没有安装过任何mxnet。 对于第一种情况需要做的是，首先是要知道有关rcnn的文件在文件夹mxnet/e

fcn为全卷积网络，对于算法的介绍可以找到很多资料，本篇在mxnet框架下用自己的数据，或者说制作自己的数据来进行模型的训练和测试。假设已经安装好有关的Mxnet 的环境，其中在Mxnet安装包下的`example/fcn-xs`下找到相关的文件。这里也假设你已经跑过fcn-xs下的`image_segmentaion.py`。在用fcn进行训练的时候比较以后的是训练的数据是什么，有什么格式要求。

Mxnet自带有faster-rcnn的例子，但是如果要用自己的数据进行训练可能需要作一些更改，一个是类别的数目，一个数据的标签。其实它的修改方式和py-faster-rcnn差不多。**1.环境的安装可以参考**:Mxnet—faster-rcnn环境安装**2.制作数据集** 制作数据集可以参考：py-faster-rcnn制作自己的数据集做目标检测。 作成VOC格

1.数据集 使用faster-rcnn的时候需要把数据集做成voc的格式，这和之前的caffe的图片分类很不一样，所以第一应该清楚voc是什么样的格式。这里有一个比较好的工具可以制作Annotations的xml文件的工具：labelImg 最后会得到图片的xml文件。比较简单的方法是做好了xml文件后直接替换原有的Annotations中的文件，同时还要替换掉JEPGImages中的图

环境：ubuntu14.04 GPU 1080(8G), CUDNN8.0Matlab在VGG16中训练faster rcnn 所需的GPU内存是8G，但是如果用官方的Matlab版本进行训练却报错，显示内存不足，可是同样的VGG16在py-faster-rcnn中进行训练却不存在这个问题，到底是什么原因，即使是把batch_size改为了1也没有是作用。 这篇博客算是很详细的介绍了怎么在Ma

TVM 就不多介绍了，本文涉及TVM的安装和SSD 模型的测试。TVM 安装$ git clone --recursive https://github.com/dmlc/tvm$ sudo apt-get update$ sudo apt-get install -y python python-dev python-setuptools gcc libtinfo-dev z...