Caffe
-
Caffe学习–Layer分析
1.基本数据结构 //Layer层主要的的参数 LayerParamter layer_param_; // protobuf内的layer参数 vector<shared_ptr<Blob<Dtype>*>>blobs_;//存储layer的参数， vector<bool>param_propagate_do…
-
Caffe Batch Normalization推导
总所周知，BatchNormalization通过对数据分布进行归一化处理，从而使得网络的训练能够快速并简单，在一定程度上还能防止网络的过拟合，通过仔细看过Caffe的源码实现后发现，Caffe是通过BN层和Scale层来完整的实现整个过程的。 谈谈理论与公式推导 那么再开始前，先进行必要的公式说明：定义\(L\)为网络的损失函数，BN层的输出为\(y\)，…
-
Caffe_Scale层解析
前段时间做了caffe的batchnormalization层的解析，由于整体的BN层实现在Caffe是分段实现的，因此今天抽时间总结下Scale层次，也会后续两个层做合并做下铺垫。 基本公式梳理 Scale层主要完成 \(top = alpha*bottom+ beta\)的过程，则层中主要有两个参数\(alpha\)与\(beta\),求导会比较简单。 …
-
caffe学习记录（九） CRNN+BLSTM+CTC OCR识别，后续加上SSD做检测
https://github.com/senlinuc/caffe_ocr源代码在此，是基于senlnuc的模型进行学习的。 好长时间没更新学习博客了，之前一直在忙着做基网络模型的评测，以及tesseract 和其他Ocr的研究等。 更新一下最近学习的OCR检测，要求是速度要快，准确度要相对较高！ 整个操作流程： 先用卷积进行特征提取，这里我用的是Dense…
-
caffe学习记录(六) MobileNet fine tune
记录在unbantu14.04， caffe框架下对MobileNet的自有数据集fine tune。 首先git clone一下caffe版本的mobilenet https://github.com/shicai/MobileNet-Caffe.git 然后把deploy.prototxt文件修改一下 Modify deploy.prototxt…
-
caffe学习记录(五) SSD训练+SSDpelee测试
SSD就不多介绍了，是今年非常流行的Object detection 模型：对各大数据集的测试结果如下表。 首先要git weiliu版本的caffe git clone https://github.com/weiliu89/caffe.git 然后在unbantu上对caffe进行配置，百度一下教程 # Modify Makefile.config …
-
caffe学习记录(八) shufflenet学习记录
ShuffleNet(2017, Dec 7th)是Face++提出的一种轻量化网络结构，主要思路是使用Group convolution和Channel shuffle改进ResNet。Bottomneck结构，用两个1×1的filter来对channel维度进行压缩和恢复，节省大量的计算量。在shufflenet中，用到了分组group，为了解决不同gr…
-
windows下配置caffe(环境：win7+vs2013+opencv3.0)
说明：大部分转载于initialneil的大作Caffe + vs2013 + OpenCV in Windows Tutorial (I) – Setup 准备工作： 1.下载CUDA7.5: https://developer.nvidia.com/cuda-downloads，安装完成后会自动创建变量CUDA_PATH_V7_5 2.下载boost…
-
Ubuntu16.04 + caffe-ssd + [CPU_ONLY] + KITTI 训练总结
本次训练主要参考：http://blog.csdn.net/jesse_mx/article/details/65634482 感谢 Jesse_Mx ，帮助了我很多。 坑一【openCV未安装成功】： openCV未安装成功会导致各种莫名的问题，比如：“No module named cv2”问题。 然而，正确解决openCV安装问题也不是一路…
-
caffe中全卷积层和全连接层训练参数如何确定
今天来仔细讲一下卷基层和全连接层训练参数个数如何确定的问题。我们以Mnist为例，首先贴出网络配置文件： name: “LeNet” layer { name: “mnist” type: “Data” top: “data” top: “label” data_param { source: “e…
