原创 caffe在ImageNet數據集上訓練殘差網絡Resnet

ImageNet數據集作爲圖像分類最經典的公開數據集,對深度學習發展起到了很大的貢獻,基本經典的網絡模型都會在ImageNet上訓練對比。這裏使用ILSVRC2012數據集從頭訓練一個resnet18模型。 因爲條件有限,使用自己的RTX

原创 yolov4論文解讀和訓練自己數據集

前天YOLOv4終於問世—— YOLO v4 論文:https://arxiv.org/abs/2004.10934 YOLO v4 開源代碼:https://github.com/AlexeyAB/darknet 效果相比YOLOv3和

原创 EfficientNet訓練自己的煙火識別算法

基於EfficientNet的煙火識別算法. EfficientNet是19年提出的一種複合縮放模型,在較低複雜度上可以獲得很好的分類性能.詳情見EfficientNet(https://arxiv.org/abs/1905.11946)

原创 YOLOv4論文解讀和訓練自己數據集

前天YOLOv4終於問世—— YOLO v4 論文:https://arxiv.org/abs/2004.10934 YOLO v4 開源代碼:https://github.com/AlexeyAB/darknet 效果相比YOLOv3和

原创 YOLOv3剪枝壓縮99.04%參數,精度不變

基於 Learning Efficient Convolutional Networks Through Network Slimming (ICCV 2017) 論文的模型壓縮。 目前有很多的開源實現,基於各種方法對YOLOv3進行裁剪

原创 深度學習目標檢測系列論文閱讀和Pytorch實現(二)——SSD論文閱讀

比較老的論文,但是是one stage的代表。 主要貢獻 1)提出SSD檢測架構。具有比YOLO更快更準的單階段檢測器,具有和較慢的Faster RCNN一樣的準確率。 2)SSD的核心思想是使用一組固定的default boundi

原创 深度學習目標檢測系列論文閱讀和Pytorch實現(四)——FCN論文閱讀

FPN論文(https://arxiv.org/abs/1612.03144) 特徵金字塔結構是進行多尺度目標檢測常見架構。在論文之前因爲計算量過大很少有相關的檢測器。 一、論文貢獻 1)、提出一種帶有構建各種尺度的高層特徵圖的側連接的自

原创 深度學習目標檢測系列論文閱讀和Pytorch實現(三)——SSD代碼實現

本章介紹SSD的Pytorch代碼實現。 具體原理參考上一章節:https://blog.csdn.net/IEEE_FELLOW/article/details/104241995 代碼我已經上傳我的github,歡迎star:http

原创 深度學習目標檢測系列論文閱讀和Pytorch實現(一)

深度學習中目標檢測通常分單階段和兩階段算法。這裏整理最近研究的單階段系列算法,包含論文的簡單介紹和Pytorch代碼實現。 算法路線爲SSD=>FPN=>RetinaNet=>EfficientDet. 目前正在復現EfficientDe

原创 Win7配置theano+cuda8+cudnn實現gpu加速及遇到問題的解決方法

之前一直使用python2.7,但是最新的tensorflow官方教程(1.0版本)在Windows上只支持python3和CUDA8,所以卸載python2.7並重新安裝python3.6並配置theano和tensorflow,實現G

原创 使用keras實現目標檢測之SSD

最近參加了百度某大數據比賽,其中需要用到檢測模型。 使用keras實現ssd目標檢測,keras實現ssd源碼:https://github.com/rykov8/ssd_keras 等忙完了決賽,有時間了回來再寫。

原创 tensorflow學習筆記之使用tensorflow進行MNIST分類(1)

MNIST是一個入門級的計算機視覺數據集,它包含60000個訓練數據和10000個測試數據。每個樣本爲下面各種手寫數字圖片: 它也包含每一張圖片對應的標籤,告訴我們這個是數字幾。比如,上面這四張圖片的標籤分別是5,0,4,1。 MNIS

原创 lua和torch安裝教程

之前用過tensorflow和theano,今天看一個項目用的torch,雖然之前就知道這個也算一個有名的框架,但是看代碼才發現這玩意兒竟然是用lua寫的。。。 現附上lua官網吧:http://www.lua.org/start.htm

原创 tensorflow學習筆記之使用tensorflow進行MNIST分類(2)

接着上一篇:http://blog.csdn.net/IEEE_FELLOW/article/details/53012351 本文參考Yann LeCun的LeNet5經典架構,稍加ps得到下面適用於本手寫識別的cnn結構,構造一個兩

原创 win7下安裝配置theano詳解

以我自己實驗室電腦裝win7系統64位爲例。 1.安裝anaconda(已內置python,numpy和scipy兩個必要庫以及一些其他庫,自帶安裝。) 地址:https://www.continuum.io/downloads 選擇對