• 等级
  • 647686 访问
  • 83 原创
  • 1 转发
  • 8981 排名
  • 272 评论
  • 249 获赞

论文笔记(4)--(Re-ID)Re-ranking Person Re-identification with k-reciprocal Encoding

2017年的CVPR:《Re-ranking Person Re-identification with k-reciprocalEncoding》 论文:https://arxiv.org/abs/1701.08398v1 GitHub:https://github.com/zhunzhong07/person-re-ranking Abstract 当将person re-ID看作一个检索过程...

2018-12-06 17:39:27

Person Re-ID相关知识点、数据集及评估指标总结

gallery和probe gallery set – 参考图像集,即公认的标准行人库; probe set – 待查询图像集,也叫查询图像(query),测试用的非标准库。 single shot和muti shot single shot – 指gallery中每个人的图像为一张(N=1); muti shot – 指gallery中每个人的图像为多张(N&am

2018-12-05 11:47:54

Ubuntu下CPU+内存、GPU+显存占用监控

CPU+内存 安装htop $ sudo apt-get install htop 启动 $ htop GPU+显存 $ watch -n 1 nvidia-smi

2018-12-04 11:06:30

DarkNet(2)--修改Python调用接口,支持输入numpy图片

DarkNet源码中提供的接口,用Python处理一张图片的时候,只能传入图片路径,见python/darknet.py的demo。 if __name__ == "__main__": net = load_net("cfg/tiny-yolo.cfg", "tiny-yolo.weights", 0) meta = load_meta("cfg/coco.d

2018-11-27 15:36:50

论文笔记(3)--(Re-ID)In Defense of the Triplet Loss for Person Re-Identification

deep metric learning – 深度度量学习,也就是相似度学习 Classification Loss – 当目标很大时,会严重增加网络参数,而训练结束后很多参数都会被摒弃。 Verification Loss – 只能成对的判断两张图片的相似度,因此很难应用到目标聚类和检索上去。因为一对一对比太慢。 Triplet loss – 端到端,简单直接; 自带聚类属性; 特征高度嵌入,但...

2018-11-27 11:05:40

论文笔记(2)--(Re-ID) Learning Discriminative Features with Multiple Granularities for Person Re-Id

https://github.com/lwplw/re-id_mgn Market-1501,CUHK03,DukeMTMC-reID是衡量ReID技术的最主流的数据集。首位命中率(Rank-1 Accuracy)、平均精度均值(Mean Average Precision,mAP)是衡量Re-ID技术水平的核心指标。 三个权威数据集简介: Market-1501 该数据集在清华大学校园中采集,...

2018-11-27 09:58:59

DarkNet(1)--添加新层slice

1、源码src文件夹下: 新建slice_layer.c和slice_layer.h ps:稍后我会放到我的GitHub上 2、makefile文件中: OBJ添加slice_layer.o 3、include/darknet.h文件中: (1)LAYER_TYPE添加SLICE: typedef enum { CONVOLUTIONAL, DECONVOLUTIONAL, ...

2018-11-22 15:19:49

Caffe(13)--Keras2Caffe(SSRNet)

SSR-Net: A Compact Soft Stagewise Regression Network for Age Estimation paper:https://github.com/shamangary/SSR-Net/blob/master/ijcai18_ssrnet_pdfa_2b.pdf 1.SSRNet模型Demo (1)源码:https://github.com/shama...

2018-11-20 11:57:30

Android开发笔记(1)--基本认识(随记)

以下内容大部分是阅读《第一行代码Android》所记的笔记。 1、基本认识 Android系统的四大组件:活动(Activity)、服务(Service)、广播接收器(Broadcast )和内容提供器(Content Provider) AndroidManifest.xml – 整个Android项目的配置文件,程序中定义的四大组件都需要在这个文件里注册。还可以在这里给应用程序添加权限声明...

2018-10-23 09:26:51

Android开发笔记(2)--Android资源访问机制

在开发中需要引用程序资源,比如项目中assets和res目录下的图片、layout、values等或者需要系统内置的资源。 资源分为两种: 第一种:res目录下的资源(不会被编译,但是会生成id) 第二种:assets文件夹下的资源文件,又叫原始资源文件(不会被编译,也不会生成id) 1、创建Assets文件夹 右键目标文件夹进行创建 2、获取Assets文件夹的管理类 AssetManager...

2018-10-18 16:52:43

深度学习实战(1)--手机跑目标检测模型(YOLO,从DarkNet到Caffe再到NCNN完整打通)

这篇算是关键技术贴,YOLO是什么、DarkNet是什么、Caffe是什么、NCNN又是什么…等等这一系列科普这里就完全不说了,牵扯实在太多,通过其他帖子有一定的积累后,看这篇就相对容易了。 本文核心:把一个目标检测模型跑到手机上 整个工作分以下几个阶段: 1、训练得到一个目标检测模型 目前可以做目标检测的模型有很多,比如R-CNN、Fast R-CNN、Faster R-CNN、SSD、Mobi...

2018-10-11 17:44:58

Caffe(12)--实现YOLOv2目标检测

DarkNet转Caffe中有很多潜在的问题,在YOLOv1、v2、v3几个网络中有一些特殊的层。要在Caffe中跑YOLO,就得在Caffe中源码实现这些层。这些层的Caffe源码实现可以在网上找到很多。 YOLO特殊层的Caffe框架实现 YOLOv1 detection层 源码实现 YOLOv2 route层 用concat层替换 reorg层 源码实现 ...

2018-10-11 14:13:24

NCNN--网络结构文件.param解析

LeNet模型为例 由Caffe的lenet_deploy.prototxt文件转换得到 name: "LeNet" layer { name: "data" type: "Input" top: "data" input_param { shape: { dim: 1 dim: 1 dim: 28 dim: 28 } } } la

2018-10-09 16:06:06

论文笔记(1)--(YOLOv2)YOLO9000:Better,Faster,Stronger

论文链接:https://arxiv.org/abs/1612.08242 主要包括三个部分:Better,Faster,Stronger,其中前面两部分基本上讲的是YOLO v2,最后一部分讲的是YOLO9000。 Better 这部分细节很多,要详细了解的话还是需要结合源码来看。 本篇论文是YOLO作者为了改进原有的YOLO算法所写的。 YOLO有两个缺点: (1)定位不准确 (2)和基于r...

2018-09-29 11:43:01

YOLOv2--region层源码分析

YOLOv2论文中算法的其它细节见:YOLOv2–论文学习笔记(算法详解) YOLOv2损失函数的定义在darknet/src/region_layer.c文件中 region_layer.c内容如下: #include "region_layer.h" #include "activations.h" #include "blas.h" #include "box.h&

2018-09-29 11:18:38

NCNN--运行LeNet网络

ncnn框架目前自带支持以下网络: Faster R-CNN MobileNet-SSD SqueezeNet SqueezeNet-SSD YOLOv2 具体实现在路径/ncnn-master/examples/ 1、要运行LeNet,就需要参考其它模型写一个lenet.cpp文件,内容如下: #include <stdio.h> #include <algorithm&gt...

2018-09-25 17:42:40

Ubuntu16.04安装NCCL

官方NCCL安装说明:https://docs.nvidia.com/deeplearning/sdk/nccl-install-guide/index.html 1、下载NCCL https://developer.nvidia.com/nccl 2、安装存储库 对于本地存储库 sudo dpkg -i nccl-repo-<version>.deb 对于网络存储库 sudo d...

2018-09-20 15:57:02

Caffe(11)--YOLOv1的Detection层实现

1、yolov1论文中分为77=49个网格 2、对于3类的目标检测,每个网格有classes+num(coords+confidence)=3+2*(4+1)=13个参数,其中3为类别(voc中类别为20),则一张图回归出4913=637个参数(每个cell预测1个classes,2个box(每个box包含4个坐标和1个置信度),有492=98个box,最后一个全连接层的num_output=63...

2018-09-20 15:37:52

Caffe(10)--实现YOLOv1目标检测

0、YOLOv1论文 YOLOv1核心思想:从R-CNN到Fast R-CNN一直采用的思路是proposal+分类(proposal提供位置信息。分类提供类别信息),精度高,但速度不行。 YOLOv1更为直接一点,直接在输出层回归bounding box的位置和其所属类别,整张图作为网络的输入,把object detection的问题转换成一个regression问题。 算法原理: 1、...

2018-09-13 11:29:03

Caffe(9)--实现多label输入

方法1:把图像和label分开,各自做成lmdb,最后把label的lmdb用slice层分开 参考:https://blog.csdn.net/u013010889/article/details/53098346 方法2:使用hdf5 参考:https://note.youdao.com/web/#/file/879598B7BE5D4B6AAFDE5FD48C25B834/note/W...

2018-09-13 11:14:49

博客专家

零尾

https://github.com/lwplw
关注
  • 计算机软件/算法工程师
  • 中国 陕西省 西安市
奖章
  • 博客专家
  • 专栏达人
  • 持之以恒