- 博客(55)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 DCGANs源码解析（二）
model.pyDCGANs大部分都在一个叫做 DCGAN 的 Python 类（class）中（model.py）。像这样把所有东西都放在一个类中非常有用，因为训练后中间状态可以被保存起来，以便后面使用。首先让我们定义生成器和鉴别器（上一篇已经介绍过了）。 linear, conv2d_transpose, conv2d, 和 lrelu 函数都是在 ops.py 中定义的。1.初始化DCGAN
2017-01-11 20:49:31
6481
5
原创 DCGAN 源码分析（一）
DCGANhttps://github.com/carpedm20/DCGAN-tensorflowDCGAN的原理和GAN是一样的，它只是把上述的G和D换成了两个卷积神经网络（CNN）。但不是直接换就可以了，DCGAN对卷积神经网络的结构做了一些改变，以提高样本的质量和收敛的速度，这些改变如下：取消所有pooling层。G网络中使用反卷积（Deconvolutional layer）进行上采样，
2017-01-11 14:07:35
24808
11
原创 yolo v2 源码分析（一）
detector .c文件，这里仅分析train_detector void train_detector(char *datacfg, char *cfgfile, char *weightfile, int *gpus, int ngpus, int clear){ list *options = read_data_cfg(datacfg); char *train_ima
2017-01-06 17:34:42
7616
2
转载 YOLOv2如何fine-tuning？
在上一篇用YOLOv2模型训练VOC数据集中，我们尝试用YOLOv2来训练voc数据集，但我想训练自己的数据集，那么YOLOv2如何做fine-tuning呢？我们一步一步来做～1 准备数据1.1 建立层次结构首先在darknet/data文件夹下创建一个文件夹fddb2016，文件层次如下--fddb2016 --Annotations 2002_07
2016-12-26 13:30:51
2135
1
转载 YOLO源码详解（五）-追本溯源7*7个grid
者：木凌 时间：2016年11月。 文章连接：http://blog.csdn.net/u014540717最近一直有人在问，把图像分为7*7个网格，每个网格推荐两个框是什么意思，一直没搞明白，今天我们就从源码入手，追本溯源，彻底理解7*7个grid 在YOLO源码详解（三）- 前向传播（forward）里，我们分析了detection_layer.c层的代码，我们来看一下
2016-12-26 13:26:38
924
转载 YOLO源码详解（五）- YOLO中的7*7个grid和RPN中的9个anchors
本系列作者：木凌 时间：2016年12月。 文章连接：http://blog.csdn.net/u014540717一直不知道7×7的网格到底是干什么的，不就是结果预测7×7×2个框吗，这跟把原图分成7×7有什么关系？不分成7×7就不能预测7×7×2个框吗？之前跟一个朋友讨论，他说7×7的网格是作为回归框的初始位置，我后来的很长一段时间一直这么认为，后来想想不对啊，bb
2016-12-26 11:55:30
1345
转载 YOLO源码详解（四）- 反向传播（back propagation）
本系列作者：木凌 时间：2016年12月。 文章连接：http://blog.csdn.net/u014540717反向传播是CNN中非常重要的一个环节，对于理论部分，这里不做介绍，如果对反向传播理论部分不熟悉，可以查看以下网站。 非常详细：零基础入门深度学习(3) - 神经网络和反向传播算法 非常详细：零基础入门深度学习(4) - 卷积神经网络 非常生动：如何直观
2016-12-26 11:51:23
1094
转载 YOLO源码详解（三）- 前向传播（forward）
本系列作者：木凌 时间：2016年11月。 文章连接：http://blog.csdn.net/u014540717一、主函数void forward_network(network net, network_state state)//network.cvoid forward_network(network net, network_state state){
2016-12-26 11:27:31
2762
转载 YOLO源码详解（二）- 函数剖析
本系列作者：木凌 时间：201６年１１月。 文章连接：http://blog.csdn.net/u0145407171、网络参数解析函数：parse_network_cfgnetwork parse_network_cfg(char *filename){ //read_cfg这个函数将所有的参数读到一个图中，如下所示，希望能帮助理解下代码 list *s
2016-12-26 10:40:24
1559
转载 YOLO源码详解（一）-训练
本系列作者：木凌 时间：2016年11月。 文章连接：http://blog.csdn.net/u014540717本系列文章会持续更新，主要会分以下几个部分： １、darknet下的yolo源代码解读 ２、将yolo移植到mxnet下 ３、模型压缩与加速 白天需要工作，只有晚上时间写，所以可能更新速度有点慢，还有就是该系列博文不一定会严格按照以上三点的顺序来写
2016-12-26 10:28:30
2097
原创 keras和caffe的区别（1）
一.样本目录的区别：caffe创建样本时，允许样本目录下有多级子目录，最终的类型数是样本目录下的文件个数如样本目录是：train,图片存放在worker,tools,machine,orign。。。等子目录下 |------worker |------postive----|------tools | |-
2016-11-04 18:59:13
3637
原创 如何使用网络的bottleneck特征提升准确率
使用预训练网络的bottleneck特征：一分钟达到90%的正确率一个稍微讲究一点的办法是，利用在大规模数据集上预训练好的网络。这样的网络在多数的计算机视觉问题上都能取得不错的特征，利用这样的特征可以让我们获得更高的准确率。我们将使用vgg-16网络，该网络在ImageNet数据集上进行训练，这个模型我们之前提到过了。因为ImageNet数据集包含多种“猫”类和多种“狗”类，这个模
2016-10-28 15:31:56
14604
3
原创 如何进行finetune
进行finetune的命令如下：..\..\bin\caffe.exe train --solver=.\solver.prototxt -weights .\test.caffemodelpause 下面介绍caffe.exe的几个参数：1）这里caffe.exe中第一个参数为train表示训练，如果为test表示进行测试2）不论是finetune还是从头开始的训练，都必
2016-05-27 11:57:15
8074
4
原创 solver参数说明
# The train/test net protocol buffer definition net:"examples/mnist/lenet_train_test.prototxt" //网络协议具体定义 # test_iter specifies how many forward passes the testshould carry out. # In
2016-05-27 11:39:28
789
原创 LRN归一化
LRN全称为LocalResponse Normalization，即局部响应归一化层。局部响应归一化层完成一种“临近抑制”操作，对局部输入区域进行归一化具体实现在CAFFE_ROOT/src/caffe/layers/lrn_layer.cpp和同一目录下lrn_layer.cu中。 该层需要参数有：norm_region： 选择对相邻通道间归一化还是通道内空间区域归一化，默认为
2016-05-27 11:14:13
3301
原创 AdaptiveThreshold
void cvAdaptiveThreshold( const CvArr* src, CvArr* dst, double max_value, int adaptive_method=CV_ADAPTIVE_THRESH_MEAN_C,int threshold_type=CV_THRESH_BINARY, int block_size=3, double param1=5 );
2016-05-27 11:03:50
1122
转载 explicit
explicit作用:在C++中，explicit关键字用来修饰类的构造函数，被修饰的构造函数的类，不能发生相应的隐式类型转换，只能以显示的方式进行类型转换。explicit使用注意事项: * explicit 关键字只能用于类内部的构造函数声明上。 * explicit 关键字作用于单个参数的构造函数。
2016-05-27 11:00:16
326
原创 traincascade中不同特征的生成
traincascade中不同特征的生成traincascade和haartrainning的主要区别：1. haartrainning只能使用haar特征，而traincascade可以使用haar,lbp,hog特征，并且还容易扩展其他的特征。2. traincascade的组织结构相对清晰，即先根据指定的特征，生成相应的特征，然后使用boost的方法依次训练处每个stage的树。
2015-08-19 17:43:44
1068
原创 决策树，随机森林，boost小结
决策树，随机森林，boost小结决策树（CvDTree）是最基础的，是CvForestTree和CvBoostTree的父类。决策树的生成，一般资料中都是基于ID3算法（熵增益），即ID3算法在每个节点分裂时，选择使gain(A)最大的特征分裂。 Opencv中决策树的生成是基于吉尼不纯度最小的原则生成的。即选择 最小的分裂。其中，m为样本的种类，如只有正负样本，则m为
2015-08-14 11:36:49
1581
原创 双边滤波
1. 简介图像平滑是一个重要的操作，而且有多种成熟的算法。这里主要简单介绍一下Bilateral方法（双边滤波）。Bilateral blur相对于传统的高斯blur来说很重要的一个特性即可可以保持边缘（Edge Perseving），这个特点对于一些图像模糊来说很有用。一般的高斯模糊在进行采样时主要考虑了像素间的空间距离关系，但是却并没有考虑像素值之间的相似程度，因此这样我们得到的模糊结
2015-05-28 17:37:42
2064
原创 KNN算法
邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法可以说是整个数据挖掘分类技术中最简单的方法了。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用她最接近的k个邻居来代表。kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或
2015-03-20 10:17:27
3836
原创 随机森林的训练过程
随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，看看这个样本应该属于哪一类（对于分类算法），然后看看哪一类被选择最多，就预测这个样本为那一类。在建立每一棵决策树的过程中，有两点需要注意 -采样与完全分裂。首先是两个随机采样的过程，ran
2014-09-28 18:24:08
14893
原创 boost的训练过程
bool CvBoost::train( const CvMat* _train_data, int _tflag, const CvMat* _responses, const CvMat* _var_idx, const CvMat* _sample_idx, const CvMat* _var_type,
2014-09-25 19:15:14
1212
原创 决策树的训练过程
void CvDTree::try_split_node( CvDTreeNode* node ){ CvDTreeSplit*best_split = 0; inti, n = node->sample_count, vi; boolcan_split = true; doublequality_scale; c
2014-09-23 18:48:43
5307
1
原创 标识训练数据，生成文件索引程序
#include #include "opencv2/opencv.hpp"#define SAMPLE_NUM 31CvRect rect;bool bDrawFlag=false;IplImage * g_image = NULL;bool bIsMark = false;void Draw_Box(void * param){ CvPoint pt1;
2014-09-10 15:27:06
579
原创 Opencv中meanShiftSegmentation的实现
Opencv中meanshift的实现1.样例在opencv-2.4.6.1\samples\cpp的meanShift_Segmentation.cpp中staticvoid meanShiftSegmentation(int, void* ){ cout <<"spatialRad=" spatialRad <<"; " "colorR
2014-09-01 19:19:26
1881
1
原创 groupRectangles函数详解
templatetypename_Tp, class _EqPredicate> intpartition(const vector_Tp>&_vec, vectorint>&labels, _EqPredicate predicate=_EqPredicate()){ inti, j, N = (int)_vec.size
2014-09-01 11:25:45
3660
1
原创 并查集---partition函数使用
本文主要介绍解决动态连通性一类问题的一种算法，使用到了一种叫做并查集的数据结构，称为Union-Find。更多的信息可以参考Algorithms一书的Section 1.5，实际上本文也就是基于它的一篇读后感吧。原文中更多的是给出一些结论，我尝试给出一些思路上的过程，即为什么要使用这个方法，而不是别的什么方法。我觉得这个可能更加有意义一些，相比于记下一些结论。关于动态连通性我们看一张图
2014-09-01 11:25:45
934
原创 casecade结构和HAAR检测流程
//使用样例，其中_cascade为CvHaarClassifierCascade结构，//cascade为CvHidHaarClassifierCascade结构for(i = 0; i _cascade->count; i++ ){ intj, k, l; for(j = 0; j cascade->stage_classifier[i]
2014-09-01 11:16:47
7748
1
原创 计算积分图
积分图是为了加速计算HAAR特征值，积分图中每个点的值代表“积分”，即计算相应矩形框中所有像素的累积和。该矩形框的左上角为图像原点，右下角为图像每一点的位置。积分图比原图多一行和一列，分别对应原图像最上面和最左面，即最上面对应以最上面的点为矩形框右下角，此时累积和都为0；最左面对应以最左面的点为矩形框右下角，此时累积和也都为0。 为了方便计算积分图，每一点的值为以下二者的和：1.
2014-09-01 11:07:53
1201
原创 图像变换-霍夫变换
HoughLines利用 Hough 变换在二值图像中找到直线 CvSeq* cvHoughLines2( CvArr* image, void* line_storage, int method, double rho, double theta, int threshold, double pa
2014-06-06 11:43:37
860
1
原创 DispatchMessage, SendMessage
SendMessage实现sendmessage发送消息的接收，在消息的接收方，覆写DefWindowProc()，在该方法中即可接收到sendmessage方法发送来的消息。因为sendmessage发送的消息，不再经过消息队列，而是直接发送给指定对象。所以一般的消息响应，包括PreTranslateMessage方法都无法接收到该信息，只能通过覆写DefWindowProc方法，来接收信息
2014-03-14 17:48:16
1818
原创 在vector的循环中调用erase
在使用vector的过程中，有时会遇到需要循环遍历vector，并删除符合指定条件的元素。当“指定条件”不复杂时，应该尽量使用erase(remove_if(begin, end, func), end)的形式来完成功能。但有时候“指定条件”过于复杂，不得不显式地写一个for循环来处理。我们必须小心在意erase所带来的side effect，一个一般性的for循环如下： 1
2014-03-14 09:44:26
1068
1
原创 光流检测（optical flow）
函数解析cvGoodFeaturesToTrack，http://blog.csdn.net/moc062066/article/details/6634120，和cvFindCornerSubPix，http://blog.csdn.net/moc062066/article/details/6634961两个函数的基础，接下来就是在视频中检测光流（optical flo
2013-12-18 14:28:18
1714
原创 轮廓处理函数
用多边形曲线逼近 Freeman 链CvSeq* cvApproxChains( CvSeq* src_seq, CvMemStorage* storage, int method=CV_CHAIN_APPROX_SIMPLE, double parameter=0, int minimal_per
2013-12-10 10:10:38
1107
原创 积分图
cvIntergral 积分图像可作为任意尺寸矩形图像求和的快速运算。设I为image的积分图像。则计算左上角坐标(x1,y1)和右下角(x2,y2)的矩形区域像素和的公式为： sum = I(x2,y2)-I(x1-1,y2)-I(x2,y1-1)+I(x1-1,y1-1); /* Finds integral image: SUM(X,Y) = sum(xCVAP
2013-12-05 11:08:59
574
原创 3D光照渲染小球
#include#include#include#include#includevoid init(void){ printf(" init"); GLfloat mat_specular[]={1.0,1.0,1.0,1.0}; GLfloat mat_shininess[]={50.0}; GLfloat light_position[]={1.0, 1.0,
2013-10-14 12:07:33
801
原创 OpenGL画小球（无光照渲染）
#include "windows.h"#define GLUT_DISABLE_ATEXIT_HACK#include #include void display(){ glClear(GL_COLOR_BUFFER_BIT); glMatrixMode(GL_MODELVIEW); glLoadIdentity(); glColor3f( 1.0f, 1.0f, 1.
2013-10-12 14:20:32
2123
原创 vs2008 + openGL 3.3编程环境配置
OpenGL的基本库，系统自动带，如glu.h， glu32.lib和 glu32.dll分别已经存在以下路径中。C:\Program Files (x86)\Microsoft SDKs\Windows\v6.0A\Include\gl-----------glu.hC:\Program Files (x86)\Microsoft SDKs\Windows\v6.
2013-10-12 10:31:47
1168
原创 kinect测距
目前，市面上主流的体感游戏有kinect，华硕，，乐视和绿动。这几个的深度信息获取无一例外都是由一个以色列公司primesense提供的。现在就以微软的kinect为例说明。kinect 一共有三个摄像头，中间为RGB摄像头，左边为红外投影器，右边为红外感应器。深度信息获取使用红外结构光，即激光散斑。。primesense公司称之为light coding技术。RGB摄像头主要为
2013-10-08 16:42:34
4167
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人