caffe学习三：使用Faster RCNN训练自己的数据
本文假设你已经完成了安装，并可以运行demo.py 不会安装且用PASCAL VOC数据集的请看另来两篇博客。 caffe学习一：ubuntu16.04下跑Faster R-CNN demo (基于caffe). (亲测有效，记录经历两天的吐血经历) https ...
原文：使用caffe训练自己的图像数据（未完）
参考博客：blog.csdn.net drrlalala article details ，首先在网上下载图片，猫和狗。直接保存下载该网页，会生成一个有图片的文件夹。caffe master data 新建 myselfmyself 新建 train dog cat test dog cat之后将图片分别复制到文件夹中 ，生成train.txt和test.txt在train文件夹下运行 find ...
2017-03-13 20:54 0 1358 推荐指数：
相关推荐
[caffe(一)]使用caffe训练mnist数据集
1.数据集的下载与转换 1）我们在mnist数据集上做测试，MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burge在这里下载这四个文件： 2）然后解压生成了以下四个文件 ...
实践详细篇-Windows下使用Caffe训练自己的Caffemodel数据集并进行图像分类
三:使用Caffe训练Caffemodel并进行图像分类 上一篇记录的是如何使用别人训练好的MNIST数据做训练测试。上手操作一边后大致了解了配置文件属性。这一篇记录如何使用自己准备的图片素材做图像分类。第一篇《实践详细篇-Windows下使用VS2015编译安装Caffe环境(CPU ONLY ...
caffe再见之训练自己的数据
Caffe的数据格式采用leveldb或者lmdb格式 本文采用数据为已标定过的彩色图像，共1000张训练图共10个类别，200张测试图像10个类别，下载地址：http://pan.baidu.com/s/1hsvz4g8。 ps:此处主要描述制作 ...
【caffe】用训练好的imagenet模型分类图像
因为毕设需要，我首先是用ffmpeg抽取某个宠物视频的关键帧，然后用caffe对这个关键帧中的物体进行分类。 1.抽取关键帧的命令： 2.用python编写脚本，利用在imagenet上训练的模型分类视频帧中的物体。 抽取得到的视频关键帧都存放在文件夹"/home ...
Caffe训练好的网络对图像分类
对于训练好的Caffe 网络 输入：彩色or灰度图片 做minist 下手写识别分类，不能直接使用，需去除均值图像，同时将输入图像像素归一化到0-1直接即可。 #include <caffe/caffe ...
caffe-ssd训练自己的数据
1.配置环境 参考上一篇博客：cuda:9.0-cudnn7-devel-ubuntu16.04 python3 docker 安装 caffe 2.准备数据 2.1 获取数据 这次是要做一个车身条幅检测的项目。大部分数据从百度图片爬取，少量通过微博或者截取视频帧获取。因为违规的车身 ...
caffe训练自己的数据集
默认caffe已经编译好了，并且编译好了pycaffe 1 数据准备 首先准备训练和测试数据集，这里准备两类数据，分别放在文件夹0和文件夹1中（之所以使用0和1命名数据类别，是因为方便标注数据类别，直接用文件夹的名字即可）。即训练数据集：/data/train/0、/data/train ...