原创 You Only Look Once論文中文翻譯

You Only Look Once 統一的實時目標檢測 Abstract  我們提出YOLO,一種新的目標檢測方法。以前的對目標檢測的工作重新使用分類器來執行檢測。相反,我們將目標檢測框架爲迴歸問題,空間分離的邊界框和相關類概率。單個神

原创 深度學習中的batch size

文章轉載至:http://blog.csdn.net/ycheng_sjtu/article/details/49804041 談談深度學習中的 Batch_Size Batch_Size(批尺寸)是機器學習中一個重要參數,涉及諸多

原创 YOLO 9000測試過程和主要代碼解析。

本人純屬新手,要是有什麼講的不對的地方,請各位大神批評指正。 yolo僅測試圖片所需要的配置不是很高,沒有裝cuda,沒有裝opencv也能跑起來,在cpu模式下,測試一張圖片需要6~7秒的時間。 下面是跑yolo代碼的過程: 首先從官網

原创 MultiNet論文閱讀筆記

MultiNet論文閱讀筆記 剛開始接觸這方面,有什麼不懂的請大家不吝指教。這篇筆記只是作爲自己學習的一個記錄而已,請大家輕點噴。。 論文地址:https://arxiv.org/abs/1612.07695 代碼地址:https://

原创 yolo 9000論文翻譯

YOLO9000 Better, Faster, Stronger 摘要:   我們介紹YOLO9000,一個最先進的,實時目標檢測系統,可以檢測超過9000個目標類別。首先,我們提出對YOLO檢測方法的各種改進方法,包括新穎的和從以前的

原创 (筆記本,雙顯卡)ubuntu14.04安裝cuda8.0的經驗

【環境】  筆記本:聯想Idealpad 700  顯卡:主顯 Intel HD Graphics 530 獨顯 NVIDIA GTX 950M 系統環境:Ubuntu14.04 64位、win10 64位 雙系統 CUDA 版本:

原创 fast-rcnn論文翻譯

由於本人英語能力有限,翻譯得不恰當的地方請各位指教。謝謝! 摘要   本文提出了一種快速的基於區域的卷積網絡方法(fast R-CNN)用於目標檢測。Fast R-CNN建立在以前使用的深卷積網絡有效地分類目標的成果上。相比於之前的成果

原创 tensorflow中的axis的理解

最近在用tensorflow,其中用到一些函數中都有axis這個參數,下面是自己對tensorflow中的axis的一些理解:以tf.reduce_max(tensor,axis = 0)爲例子axis=0表示每次拿出來的數是以tenso

原创 string類之更改句子順序

題目要求:輸入一個句子,要求將句子每個單詞順序反過來例如:輸入:pig loves dog輸出:dog loves pig思路:寫一個將單詞反轉的函數f,首先將整個輸入反轉變成god sevol gip,然後將每個單詞用函數f反轉,得到d

原创 (劍指offer)請實現一個函數用來判斷字符串是否表示數值(包括整數和小數)

例如,字符串"+100","5e2","-123","3.1416"和"-1E-16"都表示數值。 但是"12e","1a3.14","1.2.3","+-5"和"12e+4.3"都不是。思路:對每個字符進行判斷,其中設置一個小數點的標誌

原创 SSD(single shot multibox detector) default box的生成過程(prior_box_layer.cpp)

在SSD中,default box的生成是比較重要的一環,以下我將通過prior_box_layer.cpp函數來講解default box的生成過程: #include <algorithm> #include <functional>

原创 神經網絡之正則化

轉載至:http://blog.csdn.net/Dandelionyu/article/details/45971209 1. 模型評估與模型選擇 在實際應用中,針對具體的監督學習問題,爲了評估所訓練出的模型是否有較好地泛化能力

原创 tf.image.crop_and_resize()

這個函數操作相當於RoiPooling操作,函數原型是:def crop_and_resize(image, boxes, box_ind, crop_size, method=None, extrapolation_value=None

原创 A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection

這篇論文作者在Fast RCNN的基礎上,運用對抗生成網絡GAN的思想,加入了兩個對抗網絡來加強Fast RCNN算法的魯棒性,下面的內容是這篇文章的翻譯,我已經修改過大部分的內容使得讀起來比較通順,接下來準備研究代碼,根據作者的思想看看

原创 faster rcnn訓練過程出現loss=nan解決辦法

在我訓練faster rcnn的過程中,使用VOC2007數據集end2end訓練方法,並沒有出現loss=nan的問題,出現了loss=nan說明模型發散,此時應該停止訓練,不然得到的模型也不能檢測出物體。 在我自己訓練自己的數據(Ki