原创 基於Imagenet訓練的深度學習卷積網絡調參心得

都說深度學習是煉丹術,調參是煉丹的核心技能。最近基於Imagenet的數據集,測試了一下不同的參數對於性能的影響,在此總結一下。 首先搭建一個深度的卷積神經網絡,網絡結構參照YOLO論文中的對Imagenet預訓練的網絡,即一個20層的卷

原创 基於Tensorflow的Imagenet數據集的完整處理過程(包括物體標識框BBOX的處理)

最近比較忙,好久沒更新博客了。 上一篇博客是關於對Imagenet數據集進行預處理的,雖然能給Tensorflow的後續訓練提供數據,但是我覺得還是有改進的空間,主要包括了兩點: 數據集中還提供了很多圖片的bounding box,這個b

原创 AWS雲服務的架構方案

記錄一下在AWS上搭建雲服務的過程。 假設我們現在要搭建一個雲服務系統,這個系統要提供網站服務,用戶數據存儲在數據庫。需要提供一個高可用性,高性能,可靈活擴展的一個方案。 方案設計如下: 1. 定義一個虛擬私有云VPC 2. 定義一個公有

原创 EfficientNet的解讀與Tensorflow 2.0實現

EfficientNet論文解讀 Efficient Net是Google在2019年發表的一篇論文,系統的研究瞭如何在給定資源的條件下,如何平衡擴展網絡的深度,廣度以及圖像的分辨率這三者的關係,來取得最好的圖像識別精度。作者提出了一種新

原创 用Tensorflow 2.0實現Imagenet的訓練

Tensorflow 2.0正式版10月份正式推出了,我也第一時間轉向了這個新的版本,花了一些時間研究之後,我的結論是2.0版本確實是挺簡便易用的,不過也有個缺點是封裝的太好了,你無法很好的理解裏面實現的機制,例如我嘗試了2.0推薦的Ke

原创 從頭開始用Geoserver搭建地理信息服務

最近在研究GIS方面的一個應用,就是對澳洲的墨爾本進行網格分片,每個網格爲200×200米,利用澳洲維多利亞公路管理局提供的限速區域的信息,在地圖上進行標識。整個架構是採用Geoserver + Postgis來進行展示。 Geoserv

原创 GeoServer的搭建

最近項目上需要對GIS數據進行分析,因此搭建了一個GeoServer來對ShapeFile進行呈現和分析,現記錄一下過程: 1. 安裝GeoServer,我直接選擇了Windows的安裝版 2. 添加Data Store。我用的是Shap

原创 Tensorflow Estimator實現ImageNet的圖像識別

Tensorflow從1.3版本開始引入了Estimator,並且隨着版本的演進越來越加大了對這種高級API編程方式的支持,而且在Estimator上可以很方便的實現對多GPU訓練的支持。在我之前的博客中,我都是使用的低級API來進行模型

原创 基於Tensorflow對COCO目標檢測數據進行預處理

 COCO數據集是微軟發佈的一個大型圖像數據集, 專爲對象檢測、分割、人體關鍵點檢測、語義分割和字幕生成而設計。這個數據集還提供了Matlab, Python 和 Lua 的 API 接口. 該 API 接口可以提供完整的圖像標籤數據的加

原创 從零開始用Tensorflow實現YOLO物體檢測算法

一直對物體檢測算法很感興趣,記錄一下自己用Tensorflow來重現YOLO論文的過程。這裏的程序代碼都是個人原創。 我認爲YOLO論文是一個開創性的研究成果,通過對圖像劃分多個網格,並對網格的物體進行預測,在速度上大大領先其他的物體檢測

原创 用訓練好的Alexnet模型測試遷移學習

最近用Tensorflow實現了一個Alexnet的模型,並在Imagenet的數據集上跑了一下訓練,測試結果是能達到Top5接近71%的準確度。我想測試一下這個訓練好的模型是否可以用於其他的圖像分類的任務中,因此我選取了Tensorfl

原创 Tensorflow實現Alexnet對Imagenet的訓練與評測

        在上一篇博文中已經提到了如何對Imagenent 2012圖像分類大賽的數據進行預處理。在此基礎之上,我們可以搭建不同的神經網絡來學習如何對Imagenet的數據進行訓練和預測。Imagenet的數據集足夠龐大,有120多

原创 對Imagenet數據集處理的改進

最近比較忙,好久沒更新博客了。 上一篇博客是關於對Imagenet數據集進行預處理的,雖然能給Tensorflow的後續訓練提供數據,但是我覺得還是有改進的空間,主要包括了兩點: 數據集中還提供了很多圖片的bounding box,這個b

原创 用Tensorflow來預處理Imagenet數據

最近想以Imagenet 2012圖像分類大賽的數據來進行訓練和測試,看看如何能利用這麼大量的圖像數據來完善卷積神經網絡模型。之前做的基於Cifar10的數據量還是大小了,類別也不夠多。Imagenet的數據總共有146G,共包含了100

原创 遷移學習用於圖像識別的Tensorflow實現

最近在研究目標識別的YOLO論文,想按照論文中的模型進行實現,不過發現按照論文中的24層CNN網絡結構,在我的GTX750Ti 2G顯存的卡上沒法跑起來,看來是時候要換張大容量的顯卡了。不過在換顯卡之前,我想先測試一下在現有的顯卡基礎上,