holygao的博客_51CTO博客

欢迎

FasterRCNN_KERAS多种环境配置组合测试

FasterRCNN是物体检测主流方法之一，keras版本的FasterRCNN是在2017年6月发布的,这是核心代码。。其后Anaconda、TensorFlow和Keras都在不断更新，不同版本的组合可能无法运行该程序。今年下半年小象学院推出了计算机视觉深度学习的第二期课程，这两期课程的代码都采用了该代码，他们内容相同，如下图。也可以点击这里查看。由于最新版的TensorFlow和Keras变

Keras

FASTRCNN-Keras

环境配置

原创 2018-12-24 19:53:21 7434 阅读

Ubuntu下CPU/GPU模式YOLOv3代码运行

YOLO是近几年物体检测主要算法之一，2018年已发展到YOLOv3，是目前速度最快的物体检测算法，详细内容可查看YOLO主页。YOLO的主要优势在于基于纯C语言编写的DarkNet，可查看DarkNet主页，不需要其他依赖库，跨平台能力强，运行速度快，这里是下载地址。有趣的是里边的有好几个LICENSE，其中LICENSE.fuck的内容是这样的：DOWHATTHEFUCKYOUWANTTOPU

YOLOv3

darknet

Makefile

Ubuntu

CUDA

原创 2018-10-13 11:15:06 10000+阅读 1点赞 2评论

环境配置（近期实测）——Ubuntu16.04+CUDA9.0+tensorflow-gpu填坑记

近几年深度学习在物体检测方面出现了许多基于不同框架的网络模型，不同模型需要不同的版本的Python、TensorFlow、Keras、CUDA、cuDNN以及操作系统。不得不说，要把经典物体检测网络的源码都跑通，单配置环境就要浪费很多时间，因为目前兼容这些经典网络的框架和环境还很少。新版的TensorFlow在models的objection-detection模块中包含了fast-rcnn、rf

Ubuntu

CUDA9.0

tensorflow-gpu

cuDNN7.0

环境配置

原创 2018-10-09 14:43:42 10000+阅读 1评论

OpenCV开发（2）——神经网络使用示例

OpenCV3.4的神经网络功能主要提供了以下三种：ml模块中的多层感知机（ArtificialNeuralNetworks-Multi-LayerPerceptrons），提供了MLP的创建、训练参数设置等函数。如：staticPtr<ANN_MLP>create()Createsemptymodel.staticPtr<ANN_MLP>load(constString&

OpenCV

Python

多层

感知机

深度

原创 2018-06-28 15:46:30 10000+阅读

OpenCV开发（1）——OpenCV3.4+Python3.5+Windows10安装问题解决

OpenCV近几年功能不断增强，目标检测、跟踪等方面出现了不少新算法。火热的深度神经网络的功能也加入其中。早期的OpenCV仅支持简单的视频播放功能，现在ffmpeg的部分功能也融入进来。为了验证新功能的效果，准备在Python下跑几个程序看看效果。不过，配置的过程还是有点小麻烦的。首先打开AnacondaPrompt输入pipinstallopencv-python然后，Anaconda会自动安

opencv3.4

Python3.5

opencv

原创 2018-04-10 07:42:30 10000+阅读 2点赞

视频监控开发（1）——萤石云硬盘录像机SDK使用

大约十年前用过海康的硬盘录像机和SDK进行过二次开发，多年不用了，现在市场变化很大。近几年网络摄像头大量出现，如海尔、小米等品牌。相比早期海康、大华的监控摄像头，这些网络摄像头使用简单、方便，不需要单独的录像机，可通过手机远程观看和云台控制。但他们没有提供开发包，想要二次开发的用户还是要选择海康和大华。他们也推出了支持网络的录像机和摄像头。如海康有支持萤石云的录像机，支持普通模拟输入、网络输入摄像

视频开发

视频监控

海康

硬盘录像机

萤石云

原创 2018-03-31 19:25:58 10000+阅读 1点赞 1收藏

京东金融大数据竞赛猪脸识别（9）- 识别方法之五

这里给出使用深度网络中间层输出结果作为图像特征，并构建分类模型和对训练数据进行识别的代码。相关内容可参看Matlab图像识别/检索系列(7)-10行代码完成深度学习网络之取中间层数据作为特征。代码如下：cleartrainPath=fullfile(pwd,'image');trainData=imageDatastore(trainPath,...'IncludeSubf

图像识别

深度网络

训练模型

原创 2018-03-14 10:58:15 4434 阅读 1点赞 1评论

京东金融大数据竞赛猪脸识别（3）- 图像特征提取之二

深度网络既然在图像识别方面有很高的准确率，那将某一层网络输出数据作为图像特征也应该是可行的。该程序给出了使用Alexnet第七层作为激活层提取图像特征的示例。代码如下：clear;trainPath=fullfile(pwd,'image');trainData=imageDatastore(trainPath,...'IncludeSubfolders',true,'LabelSource','

Alexnet

图像特征

fc7

原创 2018-03-14 10:46:15 2517 阅读 1点赞 1评论

京东金融大数据竞赛猪脸识别（8）- 识别方法之四

除了softmax层构建的深度网络，Matlab还有一个简单的构建数据分类的函数，那就是patternnet，其用法类似。可以直接对图像特征数据处理，也可以对图像集处理。代码如下：%exam1.m用训练图像特征构建深度网络并计算测试图像得分clear;load('JDPig_mlhmslbp_spyr.mat');m=numel(classe_name);n=length(y);label=[]f

图像识别

patternnet

深度网络

原创 2018-03-14 10:27:38 1341 阅读 1点赞

京东金融大数据竞赛猪脸识别（7）- 识别方法之三

Matlab提供了最简单的多分类功能，直接对训练图像集构造softmax层，然后对测试图像进行分类。两个函数（trainSoftmaxLayer和net）就可完成分类主要功能。代码如下：clear;%加载训练图像特征load('JDPig_mlhmslbp_spyr.mat');m=numel(classe_name);n=length(y);label=[]%one-hot编码fori=1:nl

图像分类

softmax

Matlab

原创 2018-03-14 08:44:22 1479 阅读 1点赞

京东金融大数据竞赛猪脸识别（6）- 识别方法之二

该方法提取图像集的词袋（bag-of-features），然后根据词袋对各图像编码得出图像特征，再对测试图像在训练图像集上进行检索，最后根据检索出的图像类别判断测试图像所属类别。该方法直接对图像进行处理，不需要先提取特征，再将特征文件导入。不过该方法消耗内存很大，适用于小规模图像集。代码如下：clear;%设置图象集路径imgSetFolder=fullfile(pwd,'image');imgq

图像检索

词袋

bag

原创 2018-03-14 08:30:17 1496 阅读 1点赞

京东金融大数据竞赛猪脸识别（5）- 识别方法之一

自编码器是早期的神经网络方法之一了，为便于了解各方法识别性能，我们首先用它进行识别。代码如下：clearload('JDPig_mlhmslbp_spyr.mat');m=numel(classe_name);n=length(y);label=[]%one-hot编码fori=1:nlabel(:,i)=zeros(m,1);label(y(i),i)=1;endtestImg=load(

自相关编

Matlab

原创精选 2018-03-13 22:27:36 6901 阅读 3点赞

京东金融大数据竞赛猪脸识别（4）-方法选取

由于可用的特征提取和分类器构造方法较多，为了确定选取方法。现在从视频提取的图像上进行算法验证，取这些图像的一部分进行训练，剩余部分进行测试，并进行交叉验证。找到准确率最高的方法后再将其用于测试集。以reco_toolbox为例，下面给出方法选取的代码：clc,closeall,clear,drawnowdatabase_name={'JDPig'};database_ext={'jpg','jpg

特征提取

图像识别

分类方法

原创 2018-03-13 13:23:43 1280 阅读 1点赞

京东金融大数据竞赛猪脸识别（2）- 图像特征提取之一

图像识别进入深度学习时代后，特征提取这个词的使用频率明显下降了。因为深度网络已经完成了从图像输入到分类结果输出的全过程，似乎不需要再关心特征的好坏和特征提取对于识别结果的影响。不过，不管从算法研究还是工程实现角度看，将特征提取独立出来应该更有利。这样我们可以对各种特征提取方法和各种识别算法进行组合，找出效果最好的方案。我们先考虑非神经网络提取的特征，在深度神经网络大热以前，局部特征、空间金字塔、稀

图像

特征提取

文件夹

原创 2018-03-13 12:35:44 3015 阅读 1点赞 2收藏 2评论

京东金融大数据竞赛猪脸识别（1）-从视频提取图像

2017年11月的京东金融大数据竞赛参与人数最多的是猪脸识别的算法比赛，参加整个比赛的有四千多人，而猪脸识别算法组就有一千多人。可见，搞图像识别的的人很多啊。想要提升自己价值的小伙伴们，向语音、文本、机器人等领域进发吧，有了机器学习的基础，入门这些领域应该都不是太难。比赛给的数据是30头猪的视频，做识别的第一步还是从视频中去图像吧。本想用以前写过的视频取帧程序。看Matlab示例的时候发现用Mat

京东金融

猪脸识别

视频提取

图像帧

原创 2018-03-13 10:35:11 10000+阅读 1点赞 1收藏 15评论

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯