PVAnet目标检测注意点
来源:互联网 发布:华针数据恢复 编辑:程序博客网 时间:2024/04/30 08:24
1:PVAnet论文9.0版本中卷积之后进行batchNormal,9.1版本中每一层之后twise之后进行了归一化:
2:同一个尺度的不同层之间的链接的时候使用power,不同的特征尺度的层之间的链接例如:conv2_4和conv3_1之间链接的时候需要使用conv层;
3:concate层需要两个特征map大小一致,需要长和宽需要是32的倍数;改一下代码缩放到固定的大小;
4: 把灰度复制成三通道没必要,影响速度,把彩色的模型的编程灰度模型,把第一层卷积层改个名字就可以,貌似finetuning初始化模型是根据prototxt里面的layer的name初始化的,只有第一层blob的shape不同,所以第一层就不复制,直接随机初始化就行了,然后再慢慢finetune
5:batchNormal,训练的时候,如果没有预训练模型,一定要把参数设置为false,如果有的话,可以设置为true;
6:PVAnet是在Pascal上训练的,需要转化格式为pascal格式
https://github.com/playerkk/face-py-faster-rcnn是在widerface上直接训练的;
阅读全文
0 0
- PVAnet目标检测注意点
- PVANET: 用于实时目标检测的深但轻量级神经网络
- 初四-目标检测-点检测
- 物体检测:PVANET
- 目标检测--PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection
- 目标检测--PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection
- 检测报告简写注意点
- 目标检测之Harris角点特征
- 目标检测中的特征点分析
- PVANet--实时的物体发现(检测)
- 网站检测该注意的点
- Unity检测目标点是否在扇形攻击范围内
- 目标检测、识别、分类、特征点的提取
- Unity检测目标点是否在扇形攻击范围内
- 目标检测
- 目标检测
- 目标检测
- 目标检测
- 正则表达式
- 【CodeForces
- mapreduce job提交的几种运行方式
- MapReduce 另一种写法
- 171031 Matlab数字图像处理-02-灰度变换与空间滤波
- PVAnet目标检测注意点
- html标签:a、p、span、h1、input、textarea、label、div的id、name、value属性及val()、text()、html()、innerText、innerHTML
- Redis学习笔记之二:Redis的数据存储结构
- javascript 数据库操作
- 如何判断数据库中存在已有记录并处理?
- 大数据相关操作
- C语言中的装载问题(背包问题想法的运用)
- Maven详解
- C语言条件运算符实例分析