- 博客(6)
- 收藏
- 关注
RSS订阅原创 物体检测框架RON的shufflenet实现
一。修改caffe源码1.shuffle_channel_layer.cpp2.shuffle_channel_layer.cu3.shuffle_channel_layer.hpp4.conv_dw_layer.cpp5.conv_dw_layer.cu6.conv_dw_layer.hpp文件下载：百度网盘将cpp和cu文件放在caffe-path/src/caffe/la...
2018-01-19 16:00:15
1059
原创 物体检测框架RON实现mobilenet（基于caffe）
一.有关物体检测框架RON的详情请参阅作者的github：点击打开链接RON: Reverse Connection with Objectness Prior Networks for Object Detection CVPR2017 这里仅实现RON+mobilenetmobilenet预训练模型截取 我选的预训练模型来自点击打开链接
2018-01-11 10:50:58
1115
2
原创 基于imagenet和coco，voc联合数据的yolo9000训练
1.yolo9000训练时，loss分为两种，遇到分类数据时只传递分类损失，不传bbox损失。遇到检测数据时，传递全部损失。2.检测数据预处理过程跟yolov2一样3.分类数据预处理过程跟检测数据类似，label的类别不变，只是bbox的框坐标全部设置为0一.分类数据预处理（Imagenet）准备9000类label文件9k.labels和imagenet_9k_list.
2018-01-03 16:29:37
2690
2
原创 ImportError: libcaffe.so.1.0.0: cannot open shared object file: No such file or directory
1.找出libcaffe所在位置locate libcaffe.so.1.0.02.将libcaffe所在路径加入到环境变量sudo vim ~/.bashrcexport LD_LIBRARY_PATH=/home/wangshun/caffe/.build_release/lib:$LD_LIBRARY_PATHsource ~/.bashrc
2017-11-16 13:49:04
7380
原创 基于darknet框架的imagenet数据分类预训练
最近一段时间一直在研究yolo物体检测，基于网络上很少有yolo的分类预训练和yolo9000的联合数据的训练方法，经过本人的真实实验，对这两个部分做一个整理（本篇介绍yolo的分类预训练）数据准备 1000类的Imagenet图片数据 因为Imagenet不同的类别数据都是单独放在一个文件夹中，并且有特定的命名，如‘n00020287’，所以在做分类时我们不需要去制作特定的标签，只要训
2017-11-02 10:03:15
5380
6
原创 Hadoop大数据平台搭建与环境配置
Hadoop完全分布式平台搭建：集群机器三台机器：一个作为master，另外两个作为slave1。分别执行ifconfig命令获取每台机器的IP地址2。执行sudo vim /etc/hostname修改主机名，主机修改为master，另外两个分别修改为slave1，slave2。当然这只是为了方便，其实也可以不用修改3。三台机器分别执行sudo v
2017-09-13 14:35:36
941
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人