-
本版专家分：0结帖率 0% -
Faster-rcnn训练过程中老是loss_box一下掉到零，然后训练就停止了，有没有大佬指导一下
-
本版专家分：0
-
是不是损失函数的分类和回归比例需要调整一下啊
-
本版专家分：0
-
还是我标记的数据有问题
-
本版专家分：0
-
total loss一直保持在2左右，并且不在减小，波动在0.8左右
- voc_eval.py 解析
- 参考：https://github.com/rbgirshick/py-<em>faster-rcnn</em>/blob/master/lib/datasets/voc_eval.py代码块# -------------------------------------------------------- # Fast/er R-CNN # Licensed under The MIT License [see L
- Faster R-CNN中voc_eval.py文件下载
- 借助Faster R-CNN中voc_eval.py文件，测试YOLO测试数据集mAP等结果，博客见 相关下载链接：//download.csdn.net/download/qq_35451572/1
- 大bug：Faster RCNN训练中途重启
- Faster RCNN<em>训练</em>中途重启 本来是要迭代80000次，在39940次的时候就直接重启了，也不报错！ 有谁知道咋回事？
- Fast rcnn 训练自己的数据库问题小结
- fast rcnn<em>训练</em>自己的数据库的问题小结
- 用自己的数据集训练faster-rcnn时出现的一些问题及总结(五)
- 关于<em>faster-rcnn</em>的原理<em>训练</em>流程及其数据集的制备，已经都已完成。那么问题来了，“自己制备的数据集，比如说自己为了增强数据集，进行图片翻转操作，然后记录坐标这样的数据集，在<em>训练</em>的<em>过程中</em>出现的问题”一、在调用append_flipped_images函数时出现： assert (boxes[:, 2] &gt;= boxes[:, 0]).all()网上查资料说：出现这个问题主要是自己的数据集...
- Faster-RCNN_TF的loss曲线可视化（tensorflow版本，Faster RCNN的loss曲线可视化）
- 我用的Faster-RCNN是tensorflow版本，github地址：Faster-RCNN_TF 查到网上的loss曲线都是直接从log的txt里读取，我的代码不生成txt，所以得自己改。我的思路是每cfg.TRAIN.SNAPSHOT_ITERS步生成一个csv文件，最后读取这个文件再画图。 具体操作如下： 1. 修改train.py 在/lib/fast rcnn/train...
- faster-rcnn之训练日志可视化
- #coding=utf-8 import os, re, traceback import matplotlib.pyplot as plt class LogVisual: def readFile(self, path): file = open(path, 'r') lines = [line.strip() for line in file...
- TF-Faster-RCNN训练篇（基础版）结合自己训练的修改过程而撰写
- 大家需要注意一点，就是修改py文件前，大家把它对应的pyc文件删掉，修改后再重新编译一下。上面的步骤都需要重新编译一下。这里，我就主要记录一下自己在跑tensorflow框架下的<em>faster-rcnn</em>。首先，就是硬件要求,这里只能做到使用一块GPU。具体环境要求： 1.Ubuntu 16.04系统、CUDA 8.0和cudnn（可以支持NVIDIA的GPU运算，当然有很多人在说这个...
- 实践五：使用tf-faster-rcnn训练自己的数据集
- github地址 运行示例demo 修改配置,使支持CPU选项 tf-<em>faster-rcnn</em>/lib/model/nms_wrapper.py 修改/注释以下行: #from nms.gpu_nms import gpu_nms def nms(dets, thresh, force_cpu=False): #Dispatch to either CPU or GPU NMS imp...
- Faster RCNN 训练中的一些问题及解决办法
- 今天使用Faster RCNN<em>训练</em>自己的数据的时候，出现了一些因为boost或者是numpy版本不兼容导致的问题，经过各种查资料和求助大神，总算是顺利把网络跑起来了。下面内容都是今天亲测出现的问题并与其对应的解决方案，和大家一起分享，也便于我以后查看。 <em>训练</em>方法：在配置好Faster RCNN之后，准备好自己的数据，修改网络的配置文件和相应的<em>训练</em>脚本满，使用end to end 的<em>训练</em>方法，在$
- Faster-Rcnn代码实现的理解之损失函数
- 在《Faster-Rcnn代码之网络架构》中，我们采用DetectionTeamUCAS中的Faster-RCNN Tensorflow实现，对Faster-Rcnn的网络架构的代码进行了理解，在这个文章中，我们将对Faster-RCNN的损失函数的定义有关的代码做一些笔记。笔记中难免会出现一些理解的偏差，如有错误，还请各位看官不吝指出，共同学习，共同提高。 先放上<em>faster-rcnn</em>中RPN...
- 修改faster rcnn 数据输入，读取wider face
- 想使用faster rcnn<em>训练</em>脸部识别的数据wider face，就直接clone了faster，接下来需要修改数据读取的函数。 faster有很多对外调用的接口，比如/tool/demo.Py 或者/tool/train_net.Py，如何修改可以参考下一个博客：《<em>faster-rcnn</em> 之<em>训练</em>数据是如何准备的：imdb和roidb的产生》。 实际上从这两个接口文件，查看作者是怎么调用函数
- faster-rcnn的训练流程及其如何训练自己的数据集(三)
- 到这篇为止，关于faster rcnn已经解读一大半了。OK！！！上一篇讲到anchor_target _layer()知道了该层函数的目的就是为每个位置的9个anchors生成表示正负样本的标签和回归的目标值，以及权重，提供给RPN进行<em>训练</em>。*reshape_layeranchor_target_layer()该层执行完毕后，我们继续回到网络模型中观看下一层，是一个卷积层，该层的作用是计算rpn...
- faster-rcnn配置和训练小结
- 论文：http://arxiv.org/abs/1506.01497 1.准备工作 类似于fast-rcnn http://blog.csdn.net/u010678153/article/details/46892911 2.安装（用于demo） 2.1 从github上clone到py-<em>faster-rcnn</em>的库。 git clone --recursive h
- 在Windows系统下，用faster-RCNN进行模型训练
- 一、图片标注程序1:（实用性不高）下载地址：http://download.csdn.net/download/sinat_30071459/9573982参考网址：http://blog.csdn.net/sinat_30071459/article/details/50723212使用方法:代码已经封装成DLL，你只需要打开项目，将图像路径修改成你的即可。（我用的VS为2013）。生成的txt...
- Faster-Rcnn训练出现的问题
- 以下问题是在Ubuntu下用faster rcnn(caffe与matlab)<em>训练</em>时所遇到的，我的解决方法不见得对其他人都使用： 1、错误使用 containers.Map/values，此容器中不存在指定的键。出错 roidb_from_voc>attach_proposals (line 172) gt_classes = class_to_id.values({voc_rec.objec
- 【深度学习】制作VOC2007数据集用于Faster-RCNN训练
- 制作VOC2007数据集用于Faster-RCNN<em>训练</em>：VOC2007格式是faster-RCNN中官方给出的用于<em>训练</em>的数据集，把它下载下来用frcnn/tool里的<em>训练</em>程序跑一跑就可以得到自己的<em>训练</em>网络了，首先说明一下我们需要准备的文件： 1. <em>训练</em>所需的图片； 2. 图片上ROI标注信息的XML文件； 3. 将数据集分割为三部分分别用于frcnn进行<em>训练</em>，验证，测试等。 第一步：图片的...
- faster rcnn 的重新训练
- Beyond the demo: installation for training and testing models Download the training, validation, test data and VOCdevkit wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-
- Faster R-CNN 训练源码学习笔记
- Faster R-CNN<em>训练</em>脚本：.\experiments\script_faster_rcnn_VOC2007_ZF.m文件 function script_faster_rcnn_VOC2007_ZF() % script_faster_rcnn_VOC2007_ZF() % Faster rcnn training and testing with Zeiler & Fergus m
- 使用faster_rcnn训练自己的数据
- Faster-R-CNN算法由两大模块组成：1.PRN候选框提取模块 2.Fast R-CNN检测模块。其中，RPN是全卷积神经网络，用于提取候选框；Fast R-CNN基于RPN提取的proposal检测并识别proposal中的目标。
- faster-rcnn训练voc2007需要的VOCdevkit2007文件
- <em>faster-rcnn</em><em>训练</em>需要的voc2007devkit2007文件
- 老卫带你学---faster-rcnn使用cpu训练
- 老卫带你学—<em>faster-rcnn</em>使用cpu<em>训练</em> 因为老卫的电脑GPU是真的菜，所以需要使用CPU去跑模型（泪奔!），按照以下的步骤就可以使用cpu进行<em>faster-rcnn</em>的<em>训练</em>。 ...
- faster_rcnn_models训练模型的下载地址
- faster_rcnn_models下载链接。
- 基于Faster-RCNN-TF的gpu运行总结(自己准备数据集)（训练篇）
- 最近经过一段对tensorflow和<em>faster-rcnn</em>的学习，并且亲身去跑了两个不同框架下的<em>faster-rcnn</em>代码，所以就在这里做一下总结。 这里，我就主要记录一下自己在跑tensorflow框架下的<em>faster-rcnn</em>。 首先，就是硬件要求，因为自己是做计算机图像，目标识别，所以最重要的一个提升效率的装备就是GPU，也就是显卡。现在能在GPU上进行运算，可以让我们的时间成本
- 老卫带你学---faster-rcnn的两种训练方式
- faster rcnn<em>训练</em>方式有两种，一种是交替优化方法（alternating optimization），即<em>训练</em>两个网络，一个是rpn，一个是fast rcnn，总计两个stage，每个stage各<em>训练</em>一次rpn和fast rcnn。另外一种<em>训练</em>方式为近似联合<em>训练</em>（approximate joint training），也称end to end的<em>训练</em>方式，<em>训练</em><em>过程中</em>只<em>训练</em>一个权重网络，<em>训练</em>速度...
- Faster-Rcnn用CPU 并训练数据集
- ubuntu 14.04下 caffe环境中 faster rcnn安装与运行 本文是在caffe安装完成后的基础上安装faster rcnn，前提：配置caffe并编译成功，pycafffe编译成功，opencv编译成功 我的错误就是安装caffe时没安装opencv 进而导致一个下午都在找错！！！ 1.在命令窗口下载faster rcnn源码：git clone --recursiv
- 训练Faster RCNN出现的错误集合
- 问题（1）：Appending horizontally-flipped training examples... voc_2007_trainval gt roidb loaded from /home/xiebingbing/py-<em>faster-rcnn</em>/data/cache/voc_2007_trainval_gt_roidb.pkl done Preparing training data
- 在detectron用自己的数据训练Faster-Rcnn+FPN
- 我的系统ubuntu16.04安装caffe21、Required Dependenciessudo apt-get updatesudo apt-get install -y --no-install-recommends \ build-essential \ cmake \ git \ libgoogle-glog-dev \ libprot...
- py-faster-rcnn用自己的数据训练模型（CPU版本）
- 系统环境ubuntu14.04python2.7--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------...
- 使用pytorch版faster-rcnn训练自己数据集
- 使用pytorch版<em>faster-rcnn</em><em>训练</em>自己数据集引言<em>faster-rcnn</em> pytorch代码下载<em>训练</em>自己数据集接下来工作参考文献 引言 最近在复现目标检测代码（师兄强烈推荐FPN，但本文只针对Faster-RCNN），大家在能顺利测试源码数据集后，翅膀是不是硬了？是否想使用自己的数据集爽一下，本文主要介绍如何“傻瓜式”<em>训练</em>自己的数据集~之前的此类博客都是介绍如何在原作者的caffe源码下...
- Py-faster-rcnn实现自己的数据train和demo
- 在我的上两个博客中已经对py-<em>faster-rcnn</em>配置运行demo.py和py-<em>faster-rcnn</em>配置运行faster_rcnn_end2end—VGG_CNN_M_1024做出了相应说明，在本博客中我将对py-<em>faster-rcnn</em>实现自己的数据train和demo做出具体操作说明，希望可以解决大家在<em>训练</em>自己数据时出现的问题。 注意：如果对py-<em>faster-rcnn</em>配置运行dem...
- 【A-faster rcnn源码相关】及训练日志
- 开源|如何用Caffe深度学习框架实现A-Fast-RCNN 2017-04-13 11:33 全球人工智能 文章来源：arxiv、Github 编译：马卓奇 文章投稿：news@top25.cn 论文摘要：A-Fast-RCNN模型通过用对抗网络生成具有遮挡和变形的样本，并用其<em>训练</em>检测网络，从而使得网络能够对样本的遮挡和变形问题更加的鲁棒。 如何学习一个具有变
- faster rcnn中损失函数（三）——理解faster-rcnn中计算rpn_loss_cls&rpn_loss_box的过程
- 首先感想来源与pytorch的rpn.py。 我们都知道，rpn通过制作lable和targe_ shift来构造rpn loss的计算。那具体是怎么构造的呢? 首先rpn_loss_cls计算： 我们应该首先想到的是： rpn_loss_cls = F.cross_entropy(rpn_cls_score, rpn_label) 维度分析：cross_entropy要求输入是Varia...
- caffe学习：Faster-RCNN调试及训练自己的数据集
- 参考官方的安装教程的同时，注意一些细节，由于我的服务器上之前跑openpose，因为Anaconda包含与Caffe不兼容的Protobuf版本，所以一直不敢装anaconda。但是跑Faster-RCNN的时候又发现自己安装的python环境，那些第三方库又老是出现不兼容的问题，无奈我还是得投奔anaconda的怀抱，经过了解anaconda还可以装虚拟环境，真的很强大。废话不多说了，开始...
- 如何在自己的数据集上训练faster rcnn检测网络？
- 计算机视觉交流群：677855967，欢迎大家加入交流。 在学习完faster rcnn的理论知识后，我从谷歌开源的open image datav4数据集中呕心沥血的抽取部分需要的类目构造了自己的数据集（数据集下载链接很不稳定，不要直接点击链接下载，建议使用亚马逊云等方式下载（free））。 言归正传，本文主要记录如何<em>训练</em>一个work的faster rcnn模型（按捺不住心中的激动），与大家...
- 使用faster-rcnn训练自己的模型
- 参考<em>faster-rcnn</em> 源码链接 论文链接 一个不错的参考faster rcnn简介各文件目录介绍 caffe-fast-rcnn —&gt; caffe框架 data —&gt; 存放数据，以及读取文件的cache experiments —&gt;存放配置文件以及运行的log文件,配置文件 lib —&gt; python接口 models —&gt; 三种模型, ZF
- Caffe训练深度学习网络的暂停与继续
- 暂停： Ctrl+z 开始： fg 回车
- 使用coco数据集，faster rcnn类方法训练出错解决
- 问题：在caffe框架下，使用coco数据集进行faster rcnn类方法<em>训练</em>，得到如下错误： File "/data/zn/light_head_rcnn/script/py-RFCN-priv/tools/../lib/rpn/anchor_target_layer.py", line 146, in forward argmax_overlaps = overlaps.argma...
- Faster RCNN 学习与研究
- Faster RCNN 一些术语翻译： region proposal：候选框 region： proposal： bounding box： 理解 Faster rcnn第一次完成了目标检测的端到端<em>训练</em>，将region proposal 和 object detection结合到一起。 在这以前，rcnn通过selective search等计算出region propo...
- Faster-RCNN框架中alt四步训练过程
- 对<em>训练</em>过程的个人理解 Faster R-CNN中其实是<em>训练</em>两个网络：RPN和Fast Rcnn，两个网络如果分开单独<em>训练</em>，都会改变共享的卷积层的参数，所以这里需要一种技巧可以对两个网络共享卷积层，而不是分开单独<em>训练</em>。论文中采用一种4步<em>训练</em>法通过选择网络来优化参数。在代码的py-<em>faster-rcnn</em>/models/pascal_voc/ZF/faster_rcnn_alt_op
- Faster RCNN代码理解（Python） ---训练过程
- 最近开始学习深度学习，看了下Faster RCNN的代码，在学习的<em>过程中</em>也查阅了很多其他人写的博客，得到了很大的帮助，所以也打算把自己一些粗浅的理解记录下来，一是记录下自己的菜鸟学习之路，方便自己过后查阅，二来可以回馈网络。目前编程能力有限，且是第一次写博客，中间可能会有一些错误。 目录 目录 第一步准备第二步Stage 1 RPN init from ImageNe
- windows下使用自己制作的数据集训练faster-rcnn（tensorflow版）用于目标检测
- 步骤一 下载配置windows下tensorflow版<em>faster-rcnn</em>，参考博客： windows10下运行tensorflow版的faster-Rcnn 步骤二 制作自己的数据集参考博客：http://blog.csdn.net/u011574296/article/details/78953681 步骤三 用你的Annotations，ImagesSets和JPEGIm
- 文章标题 faster rcnn-pytorch版训练自己的数据
- pytorch框架比起tenserflow和caffe等框架相对简单很多，代码短小精悍，这里记录一下用pytorch版的faster rcnn<em>训练</em>自己的数据并测试的过程，以及途中遇到的一些问题。 一、github上下载faster rcnn pytorch的代码链接：https://github.com/longcw/faster_rcnn_pytorch 按照此工程下面的read
- Faster R-CNN训练VOC格式的数据集问题与解决
- 注：只因我被这问题困扰了几天，因此记下。在做目标检测时，采集数据并进行标注，是这项工作的第一个步骤。图像的采集过程自然不必多说，而之后的标注工作却是个体力活。网上应该有不少开源的工 具，我用的是Github上的一个叫做“labelImg”的工具，其界面如图所示： 标注的图像信息会自动保存成xml格式。然而，在标住完成之后，准备<em>训练</em>时，却报错了： 首先，经过检查，我发现labelImg生成的xm
- py-faster-rcnn算法caffe配置，训练及应用到自己的数据集
- 下载faster r-cnn git clone --recursive https://github.com/rbgirshick/py-<em>faster-rcnn</em>.git 进入py-<em>faster-rcnn</em>/lib make 结果如下图： 进入py-<em>faster-rcnn</em>/caffe-fast-rcnn cp Makefile.config.example MAkef
- faster-rcnn训练自己的数据集以及遇到的一些问题
- 入坑DeepLearning,尝试着利用<em>faster-rcnn</em>做目标检测，因此也就入了这个坑了。 数据集的准备主要根据这篇文章，步骤很明确，资料也提供的比较全，包括label和目标框的标注工具等。http://blog.csdn.net/sinat_30071459/article/details/50723212 根据自己做的数据集进行<em>训练</em>。<em>训练</em>之前要
- 用自己的数据集训练Faster-RCNN的几种方法
- Faster R-CNN官方公布的代码主要是针对Pascal、COCO数据集的，如果要针对特定任务<em>训练</em>自己的数据集，需要做一些额外的工作。 方式一：自己标注 https://saicoco.github.io/object-detection-4/ https://github.com/ChaoPei/create-voc2007-dataset 方式二：下载外部数据集，通常格式各异
- Faster RCNN训练（Matlab版本）结果
- Faster RCNN<em>训练</em>（Matlab版本）结果：
- 深度学习Caffe实战笔记（21）Windows平台 Faster-RCNN 训练好的模型测试数据
- 前一篇博客介绍了如何利用Faster-RCNN<em>训练</em>自己的数据集，<em>训练</em>好会得到一个模型，这篇博客介绍如何利用<em>训练</em>好的模型进行测试数据。1、<em>训练</em>好的模型存放位置 <em>训练</em>好的模型存放在faster_rcnn-master\output\faster_rcnn_final\faster_rcnn_VOC2007_ZF，把script_faster_rcnn_demo.m文件拷贝到faster_rcnn-ma
- Faster_rcnn训练自己的数据集
- 在看了一些深度学习的目标检测的论文后，想着去用开源的代码去跑一下，看看实际的效果。于是小菜就想着直接把faster_rcnn用起来，包括前期的faster_rcnn安装和配置并运行其中的一个demo.py。后面是用自己的数据集<em>训练</em>faster_rcnn的模型。 1. 准备工作： 1) 搭建caffe框架这个可以参考linux先搭建caffe的笔记。 2) 安装第三方依赖包：Cytho
- Faster R-CNN CPU环境下训练VOC2007数据集
- 参考：https://blog.csdn.net/wjx2012yt/article/details/521976981：下载VOC2007数据集：上一次我们安装好了环境，并给出数据集下载的方式，在终端下将数据集下载了放到～/py-<em>faster-rcnn</em>/data/下2：下载ImageNet数据集下预<em>训练</em>得到的模型参数（用来初始化）提供一个百度云地址：http://pan.baidu.com/s/...
- 利用py-faster-rcnn训练目标检测模型
- 参考：https://www.cnblogs.com/dudumiaomiao/p/6556111.html http://m.blog.csdn.net/hongbin_xu/article/details/77278329 1. 首先下载pascal voc2007数据集 wget http://host.robots.ox.ac.uk/pasca
- caffe训练中途卡死
- 今天<em>训练</em>caffe，<em>训练</em>到7000多iteration时连着几次中途卡死，电脑并没有死机，GPU也一直占用。最后通过向大牛请教，指出方向，应该是在while循环没跳出来，因此查找对应的改过while<em>训练</em>最终查找出原因并解决。 另一个小技巧，因为<em>训练</em>到中间7000多iteration暂停，需要使用Qt进行调试，一个iteration一个iteration地调试显然太慢了，因此在Qt上加一变量...
- py-faster-rcnn训练自己的数据
- 本人作为初入深度学习的小白，写这篇博客纯属为了记录自己的成长过程，把自己踏过的坑和大家分享一下，也请各位大牛不吝指正。我自己做实验时参考了samylee的文章，博主非常热心，有问题也可以咨询他。 1.实验目的 本人刚刚接触深度学习的时候正值CCF大数据比赛，赛题是检测图片中的交通标志（驭势科技）傻不拉几的用selective search选取proposals，resize224*224丢到a
- Faster R-CNN的训练过程的理解
- 我才刚刚学习Faster R-CNN，看了好多博客，觉得对知识点讲的很好，但是顺序不对，应该首先讲解总的框架，然后再讲解内部的细节，所以我就自己写了一篇，请大家指正。 Faster R-CNN，可以大致分为两个部分，一个是RPN网络，另一个是Fast R-CNN网络，前者是一种候选框（proposal）的推荐算法，而后者则是在此基础上对框的位置和框内的物体的类别进行细致计算。
- Faster-rcnn训练自己的数据
- 这个记录下<em>faster-rcnn</em><em>训练</em>自己的数据集的步骤，防止遗忘。 1.标注工具采用labelimg 具体过程如下： 对图片重命名 import os movie_name = os.listdir('/home/lzh/lamp') i=24 for temp in movie_name: new_name = &amp;quot;2018_%06d.jpg&amp;quot; % i i+=1 os.re...
- faster-rcnn用于训练人脸识别数据集wider_face
- 数据接口修改：参考博客（caffe版本与tf版本工程结构一致，可相互借鉴）：http://jacobkong.github.io/posts/464905881/http://jacobkong.github.io/posts/4113466123/用于自己标注的数据时出现额外报错如下：Nan in summary histogram xxx：错误来源：数据Annotations中xml文件标记框...
- Faster RCNN训练成功
- I1020 15:18:13.768215 2304 net.cpp:228] rpn_cls_score_reshape does not need backward computation. I1020 15:18:13.768218 2304 net.cpp:228] rpn_bbox_pred does not need backward computation. I1020 15:1
- 不能再详细！！！手把手教你用Faster-RCNN训练自己的数据集
- 接前篇：http://blog.csdn.net/zcy0xy/article/details/79614690一、环境安装准备python2.7以及相关的包cython, python-opencv, easydictFaster-RCNN用的是https://github.com/smallcorgi/Faster-RCNN_TF tensorflow版本本文假设你已经按照上面的教程完成了安装...
- 利用faster rcnn 训练自己的数据集——kitti数据集
- 前言：非常感谢https://blog.csdn.net/flztiii/article/details/73881954，这篇博客，本文主要参考这篇文章kitti数据集是一个车辆检测的数据集数据集的准备Kitti数据集的下载只需要第一个图片集（12G）和标注文件即可【第一个文件，以及标注文件】。由于<em>faster-rcnn</em>使用的是VOC格式的数据集，所以我们要将kitti数据集的格式改成VOC的格...
- Faster Rcnn end2end训练流程（Pascal格式数据集）
- 前言赘述几句：本文有参考过其他大佬写的文档，但时间久远记不清了。侵删。求职季攒人品，把自己整理过的东西发出来分享一下，本人很水，以下流程也比较机械，有不合适的地方欢迎指出。1.将数据集所有标签复制到'/home/jiangshan/py-<em>faster-rcnn</em>/data/VOCdevkit2007/VOC2007/Annotations'目录下。2.将数据集所有图片复制到'/home/jiangs...
- 使用caffe训练faster-rcnn时遇到的问题总结
- 经过今天一天的实验，充分了解了在深度学习领域，显存大的重要性。 不得不承认，有了N卡以后，效率提高了很多，当然这也得益于纠缠于cpu<em>训练</em>faster rcnn的日子.... （1）今天早上，主要解决了faster rcnn 下的caffe不能编译的问题。 问题产生的原因是faster rcnn下的caffe不支持cudnn5.1，当时就单纯的把Makefile.config下的 USE_CU
- faster rcnn训练过程出现loss=nan的解决办法
- 出现了loss=nan说明模型发散，此时应该<em>停止</em><em>训练</em>。 出现这种错误的情况可能有以下几种，根据你自己的情况来决定。 1、GPU的arch设置的不对 打开./lib/setup.py文件，找到第130行，将gpu的arch设置成与自己电脑相匹配的算力，这里举个例子，如果你用的是GTX1080，那么你的算力就是6.1，此时就需要将-arch=sm_52改成-arch=sm_61。 可以在这个网...
- 训练py-faster rcnn的两种方式以及自己模型的迁移学习
- faster rcnn<em>训练</em>方式有两种，一种是交替优化方法（alternating optimization），即<em>训练</em>两个网络，一个是rpn，一个是fast rcnn，总计两个stage，每个stage各<em>训练</em>一次rpn和fast rcnn。另外一种<em>训练</em>方式为近似联合<em>训练</em>（approximate joint training），也称end to end的<em>训练</em>方式，<em>训练</em><em>过程中</em>只<em>训练</em>一个权重网络，<em>训练</em>速度...
- Faster RCNN 在Linux+CPU环境下训练自己的数据集过程以及训练遇到的问题
- 本帖主要内容:<em>训练</em><em>过程中</em>的一些思考.Faster RCNN在Linux ubuntu 16.04+cpu 环境下的<em>训练</em>过程, 包括配置caffe, 修改py-<em>faster-rcnn</em>环境为cpu环境, 以及如何准备数据集(数据集准备出错会导致<em>训练</em>出错), 准备成Pascal VOC 标准集格式.<em>训练</em><em>过程中</em>遇到的问题以及解决办法.当前进度:用自己的数据集, ZF网络, <em>训练</em>max_iters = [2...
- faster-rcnn训练遇到的问题
- 1. 问题1 _sample_rois(roidb, fg_rois_per_image, rois_per_image, num_classes) 报错是因为是$FRCN_ROOT/lib/roi_data_layer下的minibatch.py中的npr.choice引起的，解决方法： 修改： if fg_inds.size &gt; 0: for i in ran...
- tensorflow版本 Faster RCNN训练自己的数据集
- 0.前言 因为我用的是tensorflow的环境，所以Rbg的官方代码我是没有用的，采用的是github上tensorflow实现的faster rcnn，网址为：https://github.com/endernewton/tf-<em>faster-rcnn</em> 这个版本主要也是参考faster rcnn的官网代码写的，和官方版本大同小异，很适合用tf的人。如果github上下不下来，可以下载我自己保
- pva-faster-rcnn配置安装及训练自己的数据集
- 继fasterrcnn后，又一个pva-fasterrcnn的配置教程，希望可以帮助大家。
- rbgirshick/py-faster-rcnn训练过程中xml读取的过程
- imdb表示image databaseind表示index在tools\train_net.py中from datasets.factory import get_imdb #与下文相关的头文件def combined_roidb(imdb_names): def get_roidb(imdb_name): imdb = get_imdb(imdb_name)# 调用该函...
- 使用自己的数据训练 Faster R-CNN 的 ResNet-50 模型
- 上次使用 Faster R-CNN <em>训练</em>了一个 VGG16 的网络，为了再提升识别的准确率，利用 ResNet 网络在同样的数据上面<em>训练</em>了多一次。 https://blog.csdn.net/weixin_39679367/article/details/80930830 https://blog.csdn.net/weixin_39679367/article/details/8094...
- Faster-rcnn训练自己的数据库
- Faster-rcnn<em>训练</em>自己的数据库 下载fasterrcnn https://github.com/ShaoqingRen/faster_rcnn 建议根据github上讲的下个<em>训练</em>好的模型和测试图片跑一下demo。 一、准备工作： 1、网络定义文件、预<em>训练</em>模型和Caffe下载 ①运行fetch_data/fetch_model_ZF.m下载ImageNet-pre-trai
- caffe训练过程中，训练中断之后，如何接着训练？
- zxw.sh /home/tyn/Downloads/center_loss_caffe/build/tools/caffe train -solver face_solver.prototxt --snapshot=center_loss_model_iter_9000.solverstate -gpu=all 2&gt;&amp;1 | tee double_label_centerlos...
- py-faster-rcnn的ZF，VGG16预训练模型
- py faster rcnn的ZF，VGG16预<em>训练</em>模型 caffe版的 fetch_imagenet_models.sh需要翻墙，我把它放到百度网盘中了
- 如何用Pytorch版本的FasterRCNN训练自己的数据
- 1、从这里下载FasterRCNN的Pytorch版本代码。按照提示完成相关编译。2、因为默认的数据为VOC2007，最直接的方法我们可以按照这里将自己的数据制作成VOC2007的格式，并建立软连接。3、修改https://github.com/jwyang/<em>faster-rcnn</em>.pytorch/blob/master/lib/datasets/pascal_voc.py数据的类别，即将self...
- faster-rcnn原理介绍
- 本博客大部分参考http://blog.csdn.net/zy1034092330/article/details/62044941，其中夹杂着自己看论文的理解效果图作者提到目标检测，就不得不RBG大神，该大神在读博士的时候就因为dpm获得过pascal voc 的终身成就奖。博士后期间更是不断发力，RCNN和Fast-RCNN，Faster-Rcnn就是他的典型作品。前言讲起<em>faster-rcnn</em>
- 使用caffe框架利用faster-rcnn来训练自己的数据集
- 最近在研究caffe，前前后后差不多快一周了，论文看得比较少，直接上手来做的，期间遇到无数问题，大大小小的无数问题，不过通过上网，看别人的博客，几乎踩了很多大坑，这里给大家总结一下，希望后续同样做深度学习的小伙伴能够少踩点坑。在这里，我就不做重复功了，具体的配置还有改动的地方我会引用别人的博客，然后补充说明这些博客介绍得并不全面的地方。 备注：以下内容会不定期更新，该篇博客主要对安装ca
- 深度学习实践经验：用Faster R-CNN训练Caltech数据集——修改读写接口
- 前言这部分主要讲如何修改Faster R-CNN的代码，来<em>训练</em>自己的数据集，首先确保你已经编译安装了py-<em>faster-rcnn</em>，并且准备好了数据集，具体可参考我上一篇文章。py-<em>faster-rcnn</em>文件结构 caffe-fast-rcnn 这里是caffe框架目录，用来进行caffe编译安装 data 用来存放pre trained模型，比如ImageNet上的，要<em>训练</em>的数据集以及读取文件的
- FasterRCNN:提升网络的分类精度海康威视
- 目标检测FasterRCNN:提升网络的分类精度海康威视
- Detectron研读和实践三：用faster_rcnn_R-50-FPN训练PASCAL VOC数据集
- 该系列上一篇博客介绍了Detectron的getting started例子faster_rcnn_R-50-FPN的一些源码分析，这次来实践一下，用faster_rcnn_R-50-FPN模型<em>训练</em>PASCAL VOC数据集。 平台和环境：Ubuntu16.04+GTX1080ti+CUDA 8.0+cudnn5.1 1 为Detectron准备PASCAL VOC数据集 1.1 下...
- Caffe学习系列——Faster-RCNN训练自己的数据集
- 2016-10-23 Deep Learning►Caffe Caffe学习系列——6使用Faster-RCNN进行目标检测 Contents 1. 配置与运行Demo 1.1. 1.配置、编译与安装环境1.2. 2.运行demo1.3. 3.<em>训练</em>PASCAL VOC 2007的数据集1.4. 4.遇到的问题 2. 使用Faster-RCNN训
- pva-faster-rcnn（caffe）绘制训练loss和lr曲线
- 为了观察神经网络<em>训练</em>效果，绘制loss曲线，得到模型<em>训练</em>的变化趋势。为了实现这个目的，经过以下几个步骤：1 保存<em>训练</em>日志创建一个sh文件，输入以下内容#!/usr/bin/env sh LOG="/home/lthpc/pva-<em>faster-rcnn</em>2/experiments/logs-`date +%Y-%m-%d-%H-%M-%S`.log" exec &amp;&gt; &gt;(tee -...
- 使用faster rcnn训练自己的数据（py-faster-rcnn ）
- 使用RGB大神的py-<em>faster-rcnn</em><em>训练</em>自己的数据进行目标检测
- py-faster-rcnn训练自己数据集需要修改的参数
- faster rcnn默认有三种网络模型 ZF（小）、VGG_CNN_M_1024（中）、VGG16 （大）
- Windows下使用Faster RCNN训练自己的模型
- 前两篇博客介绍了Windows下tensorflow和faster rcnn的安装和demo的运行，这篇介绍如何<em>训练</em>自己的模型和数据。 Windows +TensorFlow+Faster Rcnn 详细安装步骤（一） Windows 下 TensorFlow 和 Faster rcnn 详细安装步骤（二） 这里不再介绍VOC2007数据集，假设你已经制作好了自己的数据集。 注意：这篇博客...
- Tensorflow下用自己的数据集对Faster RCNN进行训练和测试（二）
- 对于Tensorflow版本的Faster RCNN网络，网上包括github上都有不同的源码版本，本人之前也在进行不同版本的运行测试，可以说是每个版本都有不同的错误，在解决这些错误时可谓道阻且长。而对于用自己的数据集来<em>训练</em>和测试Faster RCNN网络，本人在之前的博客https://blog.csdn.net/hitzijiyingcai/article/details/81808091中已...
- 【DL (2)】 py-faster-rcnn 运行VOC2007例子 加入自己的新数据新类别重新训练 识别图片 视频
- 上一篇：【DL (1)】Linux16.04.2 1080ti cuda8.0 cudnn5 caffe py-<em>faster-rcnn</em> 配置好py-<em>faster-rcnn</em>，运行demo成功后（https://blog.csdn.net/foreverhehe716/article/details/80408522），尝试用自己的数据进行<em>训练</em>和识别测试。为了取得较好的效果以及容易上手，以VOC的...
- Faster RCNN训练自己的数据 Matlab【实验记录】
- 使用自己的数据集完全顶替VOC2007， 原谅我懒。。。。。。这样里面接口改的少 （一）修改文件 1. ~\VOCdevkit2007\VOCcode\VOCinit.m 79行 % VOC2007 classes { …
- 使用faster rcnn训练自己的模型
- 安装caffe 数据预处理 对于<em>训练</em>代码的修改 遇到问题 参考性很强安装caffe可以看我之前的博客： 安装caffe 安装faster rcnn： faster rcnn数据预处理进行数据标注： https://github.com/saicoco/object_labelImg我这里主要是使用python对xml进行处理。生产xml的代码：# -*- coding:utf-8 -*-__
- faster-rcnn的训练流程及其如何训练自己的数据集(二)
- 接着上篇继续，上篇写到开始调用Solver的train_model函数了。OK ! ! ! 3.train_net()中train_model()的调用前面已经知道了roidb提供了标注信息，imdb提供了一个数据基类，里面有一些工具接口。那么实际网络跑起来的时候，也需要准备图像数据的输入。因此接下来关注Solver的train_model成员函数中每次图像数据是如何生成的。data_layer ...
- win10 tensorflow faster rcnn训练自己的数据集（一、制作VOC2007数据集）
- 参考博客：http://blog.csdn.net/gaohuazhao/article/details/60871886 一、关于VOC数据集： 1)JPEGImages文件夹 文件夹里包含了<em>训练</em>图片和测试图片，混放在一起 2)Annatations文件夹 文件夹存放的是xml格式的标签文件，每个xml文件都对应于JPEGImages文件夹的一张图片 3)Im
- Windows下Faster RCNN用于人脸检测的训练和demo
- 首先，这是一篇没搞懂为什么但是做出来了东西的博客。主要用于本人备忘，参考价值有限。Faster RCNN用于人脸识别已经有一些人做过，我只是一个重现者。有篇《Face Detection with the Faster R-CNN》的paper讲述了相关内容，大致意思就是用WIDER FACE库去<em>训练</em>模型。因此，我尝试了此种方法。按照惯例，感谢以下链接的作者给我的参考：https://www.cn...
- [深度学习] RCNNs系列（1） Ubuntu下Faster RCNN配置及训练和测试自己的数据方法
- 最近用到Faster RCNN进行目标检测，前前后后两周把RCNN，SPPNet，Fast RCNN和Faster RCNN大体调查了一遍，准备写一个RCNNs系列，后面还要加上今年最新的Mask RCNN。 要想开个头，知道RCNNs在目标检测方向的优势，那就先用用作者的代码，跑跑自己的代码，下面就是在Ubuntu下进行Faster RCNN配置的方法。 一、Faster RCNN环境配置及
- 用自己的数据训练Faster-RCNN
- 本文简要介绍了如何用自己的数据<em>训练</em>Faster-RCNN。
- Faster R-CNN-MXNet框架下的训练与测试
- 1 下载预<em>训练</em>模型和数据集进入example/rcnn文件夹1) 安装附加依赖的环境，其中会因为超时多次中断example/rcnn$:bash script/additional_deps.sh2) 下载VOC数据集example/rcnn$:bash script/get_voc.sh包括：VOCtrainval_06-Nov-2007.tar VOCtest_06-Nov-...
- Faster R-CNN GPU训练运行说明
- 本篇文章主要是记录本人学习Faster R-CNN的有关内容，这次是记录使用GPU运行模型<em>训练</em>的步骤： 1、首先下载模型的源代码（本人使用的是tensorflow版的代码）： https://github.com/endernewton/tf-<em>faster-rcnn</em> 2、配置环境 <em>训练</em>模型需要提前安装好相关的依赖包： Cython 0.28.2 easydict ...
- 中国地图（shp格式）.rar下载
- 难得的中国地图（shp格式）绝对值得下。。 相关下载链接：[url=//download.csdn.net/download/jinyan007/713946?utm_source=bbsseo]//download.csdn.net/download/jinyan007/713946?utm_source=bbsseo[/url]
- vlstream 流媒体直播系统下载
- vlstream流媒体直播系统，可以让你实时在网络上直播自己的视音频，由发布端采集的视频音频，通过tcp方式发送至服务器，由服务器提供各种渠道的直播，包括HLS，FLV，以及自定义协议流，观看端无需下载客户端即可在网页上观看。支持iphone,ipad,android,pc等客户端浏览器。上行客户端可支持iphone,ipad，pc。 相关下载链接：[url=//download.csdn.net/download/table/4698259?utm_source=bbsseo]//download.csdn.net/download/table/4698259?utm_source=bbsseo[/url]
- yaahp绿色版下载
- 好用的绿色版本，层次分析法软件，最新版本。 相关下载链接：[url=//download.csdn.net/download/u010950170/5515025?utm_source=bbsseo]//download.csdn.net/download/u010950170/5515025?utm_source=bbsseo[/url]
我们是很有底线的