caffe

    3热度

    1回答

    我正在寻找一种方式,给定一个输入图像和一个神经网络,它将输出图像中每个像素的标记类天空,草地,山地,人物,汽车等)。 我设置了Caffe(未来分支)并成功运行了FCN-32s Fully Convolutional Semantic Segmentation on PASCAL-Context模型。但是,我无法使用它制作清晰的标签图片。 图片是可视化我的问题: 输入图像 地面实况 我的结果: 这可

    0热度

    1回答

    是否有一个研究报告,其中输入多重标记,但输出(分类)是一个单一的标记?最好在计算机视觉领域。

    0热度

    1回答

    我有来自Caffe C++的示例程序工作在我的电脑上,但最近重新编译来自Caffe后,我遇到这个错误,当我尝试运行程序: [libprotobuf ERROR google/protobuf/text_format.cc:245] Error parsing text-format caffe.NetParameter: 2:4: Message type "caffe.NetParameter"

    1热度

    1回答

    我想使用Caffe库来提取图像特征,但我遇到性能问题。我只能使用CPU模式。我被告知Caffe支持批处理模式,其中处理一幅图像所需的平均时间要慢得多。 我打电话下面的方法: const vector<Blob<Dtype>*>& Net::Forward(const vector<Blob<Dtype>* > & bottom, Dtype* loss = NULL); ,我的尺寸为1的向量

    0热度

    2回答

    我想使用Caffe提取图像特征。但是,处理图像需要很长时间,所以我正在寻找优化速度的方法。 我注意到的一件事是,我使用的网络定义有四个额外的层,我从中读取结果(并且没有反馈信号,因此它们应该安全删除)。 我试图从定义文件中删除它们,但它根本没有任何效果。我想我可能需要删除包含预先训练权重的文件的相应部分。不过,编辑它的二进制文件(protobuffer)并不那么容易。 您是否认为移除这四层可能会对

    2热度

    2回答

    我注意到,对新数据集的CNN进行的大多数微调仅在“最后”完全连接(fc)层完成。 我对从“第一个”完全连接层进行微调感兴趣:也就是说,我想使用卷积和合并图层的中级特征(假设它是在ImageNet上训练的),但是将所有fc图层适合我的新数据集。 理论上和实践中,这是什么效果?是否有可能为我的新数据集学习更合适的一组参数?

    1热度

    1回答

    我试图在ubuntu 14.04 LTS上用Anaconda编译caffe,只用CPU模式和OpenBLAS。不幸的是,我得到了一个ld错误。 我遵照指示,添加了Anaconda没有提供的依赖项,并相应地调整了Makefile.config,尤其是包含了Anaconda路径。 当我做make all我得到了你在下面看到的错误(我还包括了Makefile.config),即使没有找到的两个文件在共享

    2热度

    1回答

    我复制的步骤VGG我想改变网络VGG模型,在 http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel 获得它足够简单地替代模型参数如下? ./build/tools/caffe train -solver models/finetune_flickr_style/solver.

    2热度

    1回答

    我有一个数据集,其中图像有变化标签数量。标签的数量在1到5之间。共有100个类别。 谷歌搜索后,看起来像HDF5分贝层分贝可以处理多个标签,如下面的URL。 唯一的问题是它假设有一个固定数量的标签。在此之后,我将不得不创造非标类一1×100矩阵,其中,项值为1的标记类,0,如以下定义: layers { name: "slice0" type: SLICE botto

    1热度

    1回答

    我在我自己的数据集上微调caffenet。 我已经在flickr样式数据集上成功完成了它, ,所以我修改了solver和train_val prototxt文件以指向我的数据集,并使用新的输出维度(= 100个类)。 我的数据集的大小是1.88M训练图像,和.48M图像进行测试。 当我开始训练,它停下来显示 ... blocking_queue.cpp:50] Data layer prefetc