mac下跑R-FCN并用自己的数据集训练
来源:互联网 发布:mac的ctrl 编辑:程序博客网 时间:2024/06/06 12:24
1、首先,需要安装Caffe和pycaffe,起码机子搭过caffe环境
macos下面搭建caffe参考:
http://blog.csdn.net/yimingsilence/article/details/54095628
2、克隆工程:
3、克隆caffe
后面用这个版本各种出错,然后换了微软的版本
该caffe版本是微软版本
4、编译caffe
更多请参见:
http://blog.csdn.net/yimingsilence/article/details/54095628
6、到py-R-FCN/data/scripts中运行里面的获取数据的脚本,把要测试的数据下载下来
7、如果要用resnet网络的模型要下载这个模型,不下载demo也能跑通:
下载数据(VOC,COCO),下载模型(ResNet,https://pan.baidu.com/s/1hrOZdju)这个下载到的数据放到py-R-FCN/data/rfcn_models里面(文件夹没有新建一个),并且改名格式为:resnet50_rfcn_final.caffemodel
然后运行py-R-FCN/tools里面的demo.py就可以看到效果了。
8、修改./tools/train_net.py中的函数
我这里偷了个懒.还是用的py-faster-rcnn中的VOC2007数据
8、训练模型
8.1、官方脚本详见./experiments/scripts下的几个rfcn开头的脚本,默认情况需要合并voc2012和voc2007
8.2、训练自己的数据详见http://www.cnblogs.com/CarryPotMan/p/5390336.html
9、测试demo
修改
0 0
- mac下跑R-FCN并用自己的数据集训练
- R-FCN+ResNet-50用自己的数据集训练模型(python版本)
- R-FCN+ResNet-50用自己的数据集训练模型(python版本)
- R-FCN+ResNet-50用自己的数据集训练模型(python版本)
- TensorFlow下用自己的数据集训练Faster RCNN
- ChainerCV下用自己的数据集训练Faster RCNN
- R-FCN resnet50 训练自己的数据
- Tensorflow学习笔记:用minst数据集训练卷积神经网络并用训练后的模型测试自己的BMP图片
- 用自己的数据集在R-FCN框架下进行检测
- R-FCN+ResNet-50训练自己的数据(python版本)
- 用ImageNet的数据集训练Faster R-CNN
- 用ImageNet的数据集训练Faster R-CNN
- 在ubuntu14.04下用自己的数据集训练faster-rcnn遇到的问题
- Faster-RCNN+VGG用自己的数据集训练模型
- Faster-RCNN+VGG用自己的数据集训练模型
- 使用自己的数据集训练faster-rcnn
- YOLO(v1)用自己的数据集训练模型
- caffe 使用自己的数据集训练faster-rcnn
- ESP8266 配置
- matlab 2012 神经网络数据集
- 利用Apache mod_expires 与 mod_headers 实现文件缓存及mod_deflate压缩输出
- 把arduino以简单的方式接入Amazon Alexa实现语音控制
- Android DiskLruCache完全解析,硬盘缓存的最佳方案
- mac下跑R-FCN并用自己的数据集训练
- Android ExpandableListView的使用
- crash 工具分析linux dump 文件
- 微信小程序 框架和视图
- Java反射机制
- Xcode 8.2.1 离线包下载地址
- 查看访问IP
- makefile简单介绍
- myeclipse8.5修改自动注释