LRCN代码复现3
来源:互联网 发布:淘宝卖家祝福语范文 编辑:程序博客网 时间:2024/06/06 01:06
训练单帧RGB模型
run_singleFrame_RGB.sh
single frame model 是在模型caffe_imagenet_hyb2_wr_rc_solver_sqrt_iter_310000的基础上finetune而来的 ,该脚本里面主要内容就是下面这句话
caffe train -solver singleFrame_solver_RGB.prototxt -weights caffe_imagenet_hyb2_wr_rc_solver_sqrt_iter_310000
-solver
singleFrame_solver_RGB.prototxt 内容如下
net: "train_test_singleFrame_RGB.prototxt"test_iter: 75 test_state: { stage: 'test-on-test' }test_interval: 100base_lr: 0.001lr_policy: "step"gamma: 0.1stepsize: 3000display: 20max_iter: 5000momentum: 0.9weight_decay: 0.005 snapshot: 5000snapshot_prefix: "snapshots_singleFrame_RGB"solver_mode: GPUdevice_id: 0 random_seed: 1701
net
现在我们知道啦,solver除了指定net,还要指定其他一些参数。这个solver里使用的net是train_test_singleFrame_flow.prototxt ,以下是网络结构中的前两层
name: "singleFrame_RGB"layer { name: "data" type: "ImageData" top: "data" top: "label" include { phase: TRAIN #训练阶段输入层 } transform_param { mirror: true crop_size: 227 mean_value: 103.939 mean_value: 116.779 mean_value: 123.68 flow: false } image_data_param { source: "ucf101_singleFrame_RGB_train_split1.txt" root_folder: "frames/" batch_size: 128 new_height: 240 new_width: 320 }}
如果想测试,把caffe后的train改成test即可,训练和测试只是data层不一样
训练好model 的名字是什么,输出在哪定义
如果pretrained model 和自己的网络模型不一样怎么办
需要用那些参数,参数如何配置,比如只配置前几层的参数?
训练单帧flow模型
run_singleFrame_flow.sh 中主要是一下这句话
caffe train -solver singleFrame_solver_flow.prototxt -weights caffe_imagenet_hyb2_wr_rc_solver_sqrt_iter_310000
-solver
net: "train_test_singleFrame_flow.prototxt"test_iter: 75 test_state: { stage: 'test-on-test' }test_interval: 100base_lr: 0.001lr_policy: "step"gamma: 0.1stepsize: 20000display: 20max_iter: 50000momentum: 0.9weight_decay: 0.005 snapshot: 5000snapshot_prefix: "snapshots_singleFrame_flow"solver_mode: GPUdevice_id: 1 random_seed: 1701
- net
layer { name: "data" type: "ImageData" top: "data" top: "label" include { phase: TRAIN } transform_param { mirror: true crop_size: 227 mean_value: 128 mean_value: 128 mean_value: 128 flow: true } image_data_param { source: "ucf101_singleFrame_flow_train_split1.txt" root_folder: "flow_images/" #需要修改的地方 batch_size: 128 min_height: 227 min_width: 227 } }
训练lstm_RGB模型
将single frame RGB的训练结果当做pretrained权重,来训练lstm模型
run_lstm_RGB.sh
caffe train -solver lstm_solver_RGB.prototxt -weights single_frame_all_layers_hyb_RGB_iter_5000.caffemodel
-solver
lstm_solver_RGB.prototxt
net
layer { name: "data" type: "Python" top: "data" top: "label" top: "clip_markers" python_param { module: "sequence_input_layer" layer: "videoReadTrain_RGB" } include: { phase: TRAIN } }
lstm模型的数据层是python模块,而single模型的第一层是直接输入img 。
下面我们就来看看这个python模块
input
sequence_input_layer.py (没有main函数)
flow_frames = 'flow_images/' RGB_frames = 'frames/' test_frames = 16 train_frames = 16 test_buffer = 3 train_buffer = 24
修改RGB图片和光流图片的路径
-weight
是singleframe模型训练好的single_frame_all_layers_hyb_RGB_iter_5000.caffemodel
训练lstm_flow模型
run_lstm_flow.sh
阅读全文
0 0
- LRCN代码复现3
- lrcn
- svm代码复现
- LRCN(1)
- LRCN (2)
- SimGAN-Captcha代码阅读与复现
- LRCN(5) sequence_input_layer.py
- Intel Caffe LRCN Flow
- WebView远程代码执行漏洞学习并复现
- 关于espcms的sql注入漏洞代码审计复现
- 复现数据集画的GT框matlab代码
- Apache Solr/Lucene 0Day远程代码执行漏洞复现
- Office CVE-2017-8570远程代码执行漏洞复现
- 复现YOLO
- 复现 OOM
- 论文复现
- 时空上下文视觉跟踪(STC)算法的解读与代码复现
- 时空上下文视觉跟踪(STC)算法的解读与代码复现
- 二元线性回归的部分相关代码整理及说明。
- 10.Socket
- 血液中流淌的都是代码!!!
- 内存管理
- Median of Two Sorted Array leetcode java
- LRCN代码复现3
- 8月14日总结
- hdu1166 敌兵布阵 线段树
- 嵌入式学习24(静态库,动态库)
- Node的模块简单介绍
- Java第一个程序(CMD环境)
- java常见异常
- NOIP2012普及组-寻宝
- hdu 6115 Factory(lca暴力)