caffe

2열

1답변

Caffe | 무작위 자르기에 의한 데이터 증가

Imagenet 모델과 비슷한 Caffe에서 내 네트워크를 학습하려고합니다. 그러나 작물 층과 혼동합니다. Imagenet 모델의 작물 층에 대해 이해할 때까지, 훈련 도중 무작위로 227x227 이미지 작물을 취하여 네트워크를 훈련 할 것입니다. 그러나 테스트하는 동안 센터 227x227 이미지 자르기를 사용하게됩니다. 256x256 이미지에서 가운데 ​

neural-network deep-learning crop caffe imagenet 2017-03-05

---

1열

1답변

Xavier 및 bias_filler를 추가하면 손실 값이 음수가되기 시작합니다. 왜?

모든 컨볼 루션 계층에 xavier 초기화를 추가하면 손실은 음수이되기 시작합니다. 누군가 제안이나 이유를 줄 수 있습니까? 나는 모든 길쌈 층에 다음 줄을 추가 : weight_filler { type: "xavier" } bias_filler { type: "constant" value: 0.1

deep-learning caffe pycaffe matcaffe 2017-03-05

---

2열

1답변

왜 caffe는 함수를 만들기 위해 #define 매크로를 사용합니까?

Caffe의 소스 코드를 읽었습니다. 왜 caffe가 caffe.cpp와 같은 함수를 만들 때 #define을 사용하는지 궁금합니다. #define RegisterBrewFunction(func) \ namespace { \ class __Registerer_##func { \ public: /* NOLINT */ \ __Registerer_

c++ macros caffe 2017-03-06

---

2열

1답변

카페의 필터 내부 값

저는 카페 네트워크 모델에서 다음 부분을 이해하려고합니다. convolution_param { num_output: 256 pad: 2 kernel_size: 5 group: 2 weight_filler { type: "gaussian" std: 0.01 } bias_fil

neural-network deep-learning caffe 2017-03-06

---

0열

1답변

바이너리 분류를위한 벤치 마크 데이터 세트에서 부정적인 예를 표현하는 Caffe의 방법

미리 훈련 된 모델에서 이진 분류자를 훈련 시키려면 부정적인 훈련 세트를 정의하거나 표현하는 방법을 알고 싶습니다. ILSVRC12의 AlexNet 또는 ImageNet) 데이터 세트. 내가 현재 생각하고있는 것은 부정적인 훈련 세트와 관련이없는 클래스와 긍적적인 것으로 관련된 클래스 중 하나를 선택하는 것입니다. 좀 더 우아한 방법이 있습니까?

machine-learning neural-network computer-vision deep-learning caffe 2017-03-06

---

1열

2답변

FCN32에서 검은 색 이미지가 나타납니다.

FCN32를 처음부터 교육 했으므로 불행히도 검은 색 이미지가 출력됩니다. 다음은 손실 곡선입니다. 이 트레이닝 손실 곡선이 정상인지 아닌지, 또는 내가 잘못했는지 여부를 알지 못합니다. 정말 고맙습니다. 및 왜 출력이 검은 색 이미지입니까? 네트워크가 잘 맞지 않습니까? 0 에서 Deconvolution 레이어의 lr_mult 값을 다른 값으로 변경해야합

deep-learning caffe pycaffe matcaffe 2017-03-06

---

1열

1답변

Caffe :: net reshape

deepdream을 C++에 구현하려고합니다. caffe (안드로이드에서 실행하고 싶습니다). googlenet은 모양이 224*224*3 인 입력이 필요합니다. deepdream의 ipython 노트북에는 src.reshape(1,3,h,w)이 표시됩니다. 입력 된 BLOB 만 재구성되거나 네트워크를 통해 전파된다는 것을 의미합니까? 나는 C++에서 ne

c++ neural-network deep-learning caffe deep-dream 2017-03-06

---

2열

1답변

패치 방식의 교육 및 FCN의 완전 컨볼 루션 트레이

FCN paper에서 패치 작성자는 패치 방식의 교육과 완벽한 길쌈 교육에 대해 논의합니다. 이 둘의 차이점은 무엇입니까? 다음에 첨부 된 section 4.4을 참조하십시오. 이 트레이닝기구는 다음과 같이 다음 (여기서이 N<M)를 M*M 화소 N*N 패치를 추출하는 반복 원본 이미지 M*M라고 가정 것을 날 것으로 보인다. 반복 스트라이드는 겹친 패치를

tensorflow deep-learning caffe keras 2017-03-06

---

2열

1답변

맞춤형 데이터 세트에서 더 빠른 RCNN을 수행하십시오

obj1 및 obj2과 같이 2 클래스 문제에 대해 Py-Faster-RCNN을 실행하려고합니다. 데이터를 파스칼 형식으로 저장했습니다. 나는 또한 caffe 정의의 마지막 레이어의 출력 수를 3 (즉 2 + BG) 및 12 (4 * 3)로 변경했습니다. 몇 가지 이유로, 나는 pretrained 모델을 사용할 수 없습니다. 이제 위에서 언급 한 두 가지

python computer-vision deep-learning caffe object-recognition 2017-03-07

---

1열

1답변

caffe : AlexNet을 VGG16으로 바꿀 때 네트가 수렴하지 못하지만 그 밖의 모든 것은 동일합니다.

나는 픽셀 - 와이즈 회귀 작업 (깊이 추정)을 위해 AlexNet을 사용해 왔습니다. 이제는 AlexNet을 VGG 네트워크로 교체하기를 원했습니다. layer { bottom: "data" top: "conv1_1" name: "conv1_1" type: "Convolution" param { lr

deep-learning caffe 2017-03-07

---