基于图像的Caffe欧几里得损失计算
是指在Caffe深度学习框架中使用欧几里得损失函数来评估图像之间的相似度。欧几里得损失函数也被称为L2损失函数，它衡量了两个向量之间的欧几里得距离。
在图像处理中，欧几里得损失计算常用于图像检索、人脸识别、目标检测等任务中。它通过计算两个图像特征向量之间的距离来衡量它们的相似程度。距离越小，表示两个图像越相似。
Caffe是一个流行的深度学习框架，它提供了计算欧几里得损失的功能。在Caffe中，可以使用EuclideanLoss层来计算欧几里得损失。该层接受两个输入，分别是网络输出和标签数据，然后计算它们之间的欧几里得距离作为损失值。
推荐的腾讯云相关产品是腾讯云AI智能图像服务。该服务提供了丰富的图像处理能力，包括图像识别、图像搜索、人脸识别等功能。通过使用腾讯云AI智能图像服务，可以方便地实现基于图像的Caffe欧几里得损失计算。
更多关于腾讯云AI智能图像服务的信息，请访问腾讯云官方网站： https://cloud.tencent.com/product/ai-image
相关·内容
1回答
多标签矩阵输入
、、、、
我正在用ConvNet解决一个检测问题。然而，在我的例子中，标签是每个图像的维数[3 x 5]矩阵。我用Caffe做这项工作。我使用Datalayer读取图像，而使用HDF5Layer读取标签。
HDF5Layer将[3x5]标签矩阵读取为[1x15]维向量。所以，在计算L2-损失之前，我使用了Reshape Layer，将向量整形成矩阵。然而，我意识到整形层在H x W中格式化数据，而我的标签矩阵是[W x H]，即w=3，h=5，因此整形是不正确的。我想知道是否有一种方法可以按照正确的顺序重塑[1x15]标签向量，即[3x5]和而不是 [5x3]。
另一种我认为我可以解决的方法是将卷积层的
浏览 1提问于2016-12-05得票数 0
回答已采纳
1回答
创建一些这样的网络
Conv(1-1)-Conv(1-2)-Loss1-Conv(2-1)-Conv(2-2)-Loss2
当我使用caffe训练这个网络时，它是如何工作的？使用Loss2更新Conv(2-1)和Conv(2-2)。我可以拿到它。
但是如何更新Conv(1-1)和Conv(1-2)中的权重？只使用Loss1？或者同时使用Conv(2-1)的梯度和Loss1的梯度？
浏览 0提问于2017-06-17得票数 0
1回答
Caffe支持多损失。然后，对于反向传播阶段，一些斑点可能具有来自不同损失的多个梯度。Caffe如何处理这个斑点的渐变？
据我所知，在设计网络时，这可能不是一个问题。但是当我试图写一个新的层时，这个问题真的让我感到困惑。谢谢你的任何想法！
浏览 0提问于2017-12-14得票数 1
1回答
首席执行官在做什么簿记？
、、、、
Caffe 说：
网络是计算图中连接的一组图层，准确地说是有向无圈图(DAG)。Caffe为每一层的DAG做所有的簿记，以确保前后传球的正确性。
“所有簿记”的意思是什么？我不明白。
如何做好所有的簿记工作？
浏览 1提问于2016-03-24得票数 1
1回答
我已经编写了一个python脚本，它计算中位频率，平衡每个类在像素级分割期间的权重。然后，我在Python Layer模型定义中添加了一个caffe，它将权重发送给损失函数。基于，用户提到caffe中的SoftmaxWithLoss层对应于TensorFlow softmax_cross_entropy_with_logits。我的问题是如何将权重发送到SoftmaxWithLoss层？在median frequency balancing中还可以使用哪些其他损耗层？我使用了InfoGainLoss，但它不收敛。非常感谢你的帮助。
浏览 2提问于2018-01-19得票数 0
1回答
我正在训练一个模型，用于从图像中分割机器打印的文本。图像可能还包含条形码和手写文本。对地面真实图像进行处理，使0表示机器打印，1表示其余图像。我使用的是5层CNN，最后输出2张地图。
我的损失计算如下：
def loss(logits, labels):
logits = tf.reshape(logits, [-1, 2])
labels = tf.reshape(labels, [-1])
cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=la
浏览 0提问于2017-07-04得票数 3
我正在阅读caffe的图层源代码，但我有以下问题：
Layer::SetLossWeights函数在做什么？我知道，在Layer类中，有一个loss_变量，用于文档：
在目标函数中，指示每个顶块是否有一个非零权重的向量。
他们有什么关系吗？
在caffe.proto文件中，LayerParameter loss_weight只用于丢失层，对吗？
非常感谢。
浏览 4提问于2017-03-29得票数 1
回答已采纳
1回答
我的问题可能很容易为你解决，但我没有找到任何答案，也不知道如何实现它，因为我也是Keras和Tensorflow的新手。
问题:我使用了一个预先训练好的图像分割网络( Hengshuang Zhao et al 2017的)，对于这个网络，有人使用Tensorflow后端()将权重从Caffe转换为Keras。
我想要计算关于权重的分类交叉损失函数的梯度，到目前为止还没有那么复杂，我可以解决。但问题是损失函数，因为我只想要预测的单个像素的损失。
到目前为止，我对整个图像的丢失所做的是：
weights = model.trainable_weights
gradients = model.o
浏览 1提问于2018-04-13得票数 2
1回答
咖啡馆里的回归:预测是高度错误的
、、、、
我在Caffe中做了一个单标签回归问题。输入包含5个hdf5文件，这些文件是我使用不同图像独立生成的。我首先用一个hdf5文件测试了我的网络，并用大约800个训练图像(批处理大小为64)运行了10000次迭代。最后，当我对相同的训练图像进行预测时，我得到了如下结果：
但在测试图像上是：
据我所知，这是由于训练数据量较少，并且测试数据与训练数据不太相似。
因此，我尝试将训练数据增加到大约5500张图像，将它们划分为5个hdf5文件。使用使用14,000次迭代创建的模型对训练数据的预测输出是：
我不明白为什么预测会更糟？caffe如何选择批次？(我的批处理大小是64)是否
浏览 0提问于2016-10-07得票数 1
1回答
有什么方法可以方便地使用Caffe快照来预测新的图像吗？
我所说的“容易”是指：
不需要手工将train.prototxt更改为deploy.prototxt，也不需要仔细考虑。
不将文件转换为LMDB (或其他类似的格式)，只使用简单的图像文件(没有任何文件名列表或其他内容)。
只使用python代码(不使用CLI)
我根据Caffe的例子训练了一个二进制分类网络。我把MNIST改为分类2类，它训练得很好。但是现在我已经完成了对网络的训练，生成了快照(包含“snapshot.caffemodel”和“solver.caffemodel”)，我一直在研究如何使用这个快照来预
浏览 4提问于2016-06-20得票数 4
回答已采纳
1回答
解释Caffe FCN输出类
、、、、
我已经建立了Caffe，并且使用了FCN-8s模型，并且输出类几乎没有变化：
layer {
name: "score_5classes"
type: "Convolution"
bottom: "score"
top: "score_5classes"
convolution_param {
num_output: 2
pad: 0
kernel_size: 1
}
}
layer {
name: "loss"
type: "SoftmaxWithLo
浏览 3提问于2018-07-27得票数 1
回答已采纳
1回答
部署caffe回归模型
、、、、
我用caffe训练了一个回归网络。我在训练阶段和测试阶段都使用"EuclideanLoss"层。我已经策划了这些计划，结果看起来很有希望。
现在我想部署这个模型并使用它。我知道如果使用SoftmaxLoss，最后一层必须是部署文件中的Softmax。在Euclidean loss的情况下，这应该是什么呢？
浏览 1提问于2016-08-18得票数 2
回答已采纳
1回答
多层损失咖啡豆
、、、、
在使用Caffe时，我观察到，在prototxt文件中可以有几个丢失层。
我相信Caffe会从合并损失中计算出梯度，并利用它来调整网络的权重。
这是正确的吗？
浏览 0提问于2016-07-25得票数 1
我想使用mnist数据集训练一个简单的自动编码器在caffe和nvidia数字。
我有:咖啡: 0.16.4位数: 5.1 python 2.7
我使用这里提供的结构：
然后我面临两个问题：
当我使用提供的结构时，我会得到以下错误：
回溯(最近一次调用)：在run_task task.run(资源)文件“位/task.py”中，第189行，在self.before_run() self.before_run()文件“位/模型/任务/caffe_tra.py”中，第220行，在before_run self.save_files_generic()文件中“位/模型/任务/caffe_tra.
浏览 1提问于2018-02-22得票数 1
在caffe中定义prototxt时，我发现有时我们使用Softmax作为最后一层类型，有时我们使用SoftmaxWithLoss，我知道Softmax层将返回输入数据属于每个类的概率，但似乎SoftmaxwithLoss也将返回类概率，那么它们之间的区别是什么？或者我误解了这两种层类型的用法？
浏览 4提问于2016-12-05得票数 6
2回答
我有一个图像，并试图使用Graphics.FromImage(图像)加载到图形对象中，但是，如果图像具有索引像素格式，则会引发异常。
是否有一种安全转换索引图像的方法？
更新:感谢乔给出的提示，让我把旧的图像画在新的图片上，而不是我试图转换它。这很有道理。
浏览 3提问于2009-05-11得票数 2
回答已采纳
1回答
本文采用基于生成对抗性网络的照片真实感单图像超分辨率等人的方法，利用\phi_{i,j}从VGG19网络中提取的特征映射计算出图像之间的距离(用于损失函数)，
其中，\phi_{i,j}被定义为“i-最大池层之前的j-第卷积(激活后)获得的特征映射”。
请详细说明一下如何计算这个特征图，可能是为了VGG54本文中提到的？
\phi_{5,4}指的是第五个最大集合层之前的第四个卷积层，对吗？但是第四层有512个过滤器。所以我们会有512个特征空间。从这个中选择哪一个？“激活后”也是什么意思？
我发现这个答案与同样的问题有关，但答案并没有很好地解释。
浏览 0提问于2018-11-20得票数 3
回答已采纳
我正在尝试在Tensorflow中重现Caffe中的EuclideanLoss。我发现了一个名为：tf.nn.l2_loss的函数，它根据文档计算以下内容：
output = sum(t ** 2) / 2
在Python版本的caffe中查看EuclideanLoss时，它会说：
def forward(self, bottom, top):
self.diff[...] = bottom[0].data - bottom[1].data
top[0].data[...] = np.sum(self.diff**2) / bottom[0].num / 2.
浏览 22提问于2017-07-11得票数 0
回答已采纳
1回答
咖啡厅只为一个标签训练。
、、、、
这真的很奇怪。我正在实施这个模式：
除了我使用ImageData blob读取文本文件中的数据以外，batch_size: 1。
/home/./pathToFile 0./home/./pathToFile 1
不过，卡菲只训练和测试标签0！
我用普通的工具运行caffe。
./build/tools/caffe train --solver=solver.prototxt
当我用pycaffe打开网络时，我第一次收到这样的消息：
WARNING: Logging before InitGoogleLogging() is written to STDERR
net.blo
浏览 2提问于2016-02-21得票数 2
回答已采纳
1回答
我在用多标签数据训练caffenet。然而，在训练阶段，损失并没有减少。我现在正在检查backward()是否工作不正常。我有这个代码来检查是否有渐变。
import numpy as np
import os.path as osp
import matplotlib.pyplot as plt
from pprint import pprint
from copy import copy
% matplotlib inline
plt.rcParams['figure.figsize'] = (6, 6)
浏览 0提问于2017-11-14得票数 1
回答已采纳
我是caffe的新手，在MNIST示例中，我被认为标签应该与softmax层进行比较，但这不是lenet.prototxt的情况。我想知道为什么使用InnerProduct结果和标签来获得准确性，这似乎是不合理的。是因为我漏掉了一些东西吗？
浏览 2提问于2016-01-02得票数 0
4回答
如何绘制日志文件？
、、、、
有人知道在Caffe中绘制所获得的措施的功能吗？我想把列车损失，测试损失，和准确性，列车移动平均等绘制在一个图中。除了Caffe内置功能外，还有其他功能可以在线使用吗？
编辑:首先，我运行了parse_log.py文件(以下命令)：
$python /path/to/caffe/tools/extra/parse_log.py /logfile_path/logfile.log /output_dir
根据日志文件(lofile.log.train和logfile.log.test)创建两个文件。之后，我运行了plot_training_log.py文件。它可以选择如下：
0: Tes
浏览 8提问于2017-01-24得票数 1
3回答
多标签图像的咖啡豆
、、、
我有一个具有多个标签的图像数据集；数据集中有100个类，每个图像都有1到5个与它们相关联的标签。
我遵循以下URL中的说明：
它说，我需要生成一个文本文件，列出图像及其标签，如
/home/my_test_dir/图片-foo.jpg 0/home/my_test_dir/图片-foo1.jpg 1
在我的例子中，由于我有多个标签图像，那么简单地添加标签是否有效呢？
/home/my_test_dir/图片-foo.jpg 0 2 5/home/my_test_dir/图片-foo1.jpg 1 4
我有一种感觉，它可能不会那么简单，如果我是对的，在建立Caffe的过程中，我
浏览 7提问于2015-09-20得票数 20
回答已采纳
1回答
查看sigmoid_cross_entropy_loss_layer.cpp中的源代码，这是caffe中交叉熵损失函数的源代码，我注意到实际错误值的代码是
for (int i = 0; i < count; ++i) {
loss -= input_data[i] * (target[i] - (input_data[i] >= 0)) -
log(1 + exp(input_data[i] - 2 * input_data[i] * (input_data[i] >= 0)));
}
这似乎与Caffe或C++实现文档中的CE损失函数有很大
浏览 1提问于2017-06-12得票数 1
我正在使用Caffe ()进行图像分类。我正在Windows上使用它，一切似乎都编译得很好。
为了开始学习，我遵循了MNIST教程()。我下载了数据并运行了..\caffe.exe train --solver=...examples\mnist\lenet_solver.prototxt.它运行了10.000次迭代，打印出精度为98.5%，并生成了两个文件: lenet_iter_10000.solverstate和lenet_iter_10000.caffemodel。
所以，我认为尝试对自己的形象进行分类会很有趣，这应该很容易，对吧？
我可以找到这样的资源：，告诉我如何准备，训练和计时我
浏览 0提问于2016-10-10得票数 0
我只能认为这与FLT_MIN有关。
使用单精度浮点、ln(FLT_MIN)=-87.33654475055310898657124730373.、FLT_MIN=2^(-126)
从caffe::SoftmaxWithLossLayer的定义：
，
如果为loss=87.3365，则表示FC层(或sofmax层之前的层)的输出均为FLT_MIN。
这一切为什么要发生？
浏览 1提问于2017-10-05得票数 1
我已经研究了大量的Keras自定义损失函数的例子。所有这些都可以概括为“写吧”。也就是说，需要编写函数获取参数(y_true，y_pred)。但是通常CNN需要损失函数的导数来进行反向传播。例如，如果你在Caffe中实现自定义损失，你必须编写2个函数:你需要的损失本身，以及它对反向传播的导数。但在Keras中，你似乎不需要第二个。这个魔法是如何工作的？
浏览 6提问于2018-01-05得票数 8
1回答
从单应性分解计算相机位置
、、、、
我有一个已知位置的参考图像A，我想计算相机在图像B处的相对位置(即tx，ty，tz，单位为米)。这些图像是用相同的相机拍摄的，因此相机矩阵保持不变。我使用SIFT来检测和计算两个图像中的关键点和描述符，并将它们与FLANN进行匹配。从那里我可以得到单应矩阵，我用cv::decomposeHomography(..)对其进行分解。此函数基于本文：。本文提出用平面深度d*对平移矩阵进行归一化。
为了得到正确的平移，我需要知道平面深度。有没有一种方法可以在不知道图像中发现的对象大小的情况下获得它？
浏览 0提问于2016-06-16得票数 0
如果你能回答我的问题，我将不胜感激。我担心我做错了，因为我的网络总是给出没有任何分割的黑色图像。我正在用Caffe做语义分割。score layer的输出小于1 5 256 256> batch_size no_classes image_width image_height。它被发送到SoftmaxWithLoss层，损失层的输出输入是具有5个类别标签<1 1 256 256>的地面实况图像。
我的问题是:损失层的这两个输入的维度不匹配。我是否应该为这5个类别创建5个标签图像，并将标签层中的batch_size值5发送到loss层？
如何准备用于语义分割的标签数据？
问候
浏览 4提问于2017-03-28得票数 0
2回答
例如，使用OpenCV对图像进行特征提取，然后使用Caffe对这些特征进行分类，这有意义吗？
我是这样问的，这与将图像直接传递给Caffe并让Caffe进行提取和分类过程的传统方式相反。
浏览 0提问于2015-10-21得票数 1
我正在用caffe训练AlexNet关于我自己的数据。我看到的问题之一是，“列车净输出”损失和“迭代损失”在培训过程中几乎相同。此外，这一损失也有波动。像这样：
. ...Iteration 900，损失0.649719 .列车净产出#0:损失= 0.649719 (* 1= 0.649719损失)迭代900，lr = 0.001 ...Iteration 1000，损失0.892498 .列车净产出#0:损失= 0.892498 (* 1= 0.892498损失)迭代1000，lr = 0.001 ...Iteration 1100，损失0.550938 .列车净产出#0:损失= 0.55
浏览 1提问于2016-10-16得票数 3
1回答
在Caffe中训练时，每个迭代都有训练和测试网输出。我知道这就是损失。不过，这是我批次的平均损失还是全部损失？这对分类和回归都是一样的吗？
例如，如果我有一批100个训练示例，而在该迭代过程中损失为100，这是否意味着每个示例的平均损失为1？
浏览 1提问于2016-12-14得票数 2
回答已采纳
我运行了caffe并得到了这个输出：
谁能告诉我问题出在哪里？
我会很感激的！！
浏览 1提问于2016-03-23得票数 0
回答已采纳
我有一个现有的Caffe，它得到224*224图像作为输入，每个像素在0,100范围内有一个值。输出的大小为56*56，每个都是313类中的一个。
现在，我想改变输入/输出类型，并在这个新的网络上训练一个模型。输入值在0,1范围内，输出由324个类组成。
由于输入数据范围的变化，我应该改变基础学习率吗？
浏览 3提问于2017-03-18得票数 3
回答已采纳
softmax_loss_layer.hpp文件上的caffe文档似乎是针对分类任务而不是语义分段的。但是，我已经看到这一层被用于后者。
在对每个像素进行分类(语义分段)的情况下，输入块和输出块的维数是多少？
更重要的是，计算这些气泡损失的公式是怎样的？比如，矩阵/小块是以什么形式排列的，最终输出的“损失值”是什么？
谢谢。
编辑:为了理解损失方程的概念，我参考了这一页，只是不知道它是如何应用到blobs，哪个轴，等等：
以下是caffe的文档：
浏览 0提问于2018-08-02得票数 2
回答已采纳
2回答
我想把图像的像素分类为“是街道”或“不是街道”。我有一些来自的培训数据，我已经看到Caffe有一个层类型。标签以与输入图像大小相同的图像形式存在。
除了Caffe之外，我解决这个问题的第一个想法是在应该被分类的像素周围设置图像块(例如，在上/左/右/下20个像素处，导致我想要分类的每个像素的41×41=1681特征)。
但是，如果我可以告诉caffe如何使用标签，而不必手动创建这些图像补丁(而图层类型IMAGE_DATA似乎表明这是可能的)，我更愿意这样做。
咖啡厅能直接对图像像素进行分类吗？这样的原型网络定义会是什么样的呢？我该如何给Caffe有关标签的信息？
我想输入层应该是
layers
浏览 3提问于2015-05-12得票数 9
回答已采纳
我用Keras生物医学图像分割来分割脑细胞。我用了model.evaluate()，它给了我骰子系数: 0.916。然而，当我使用model.predict()，然后循环通过计算骰子系数预测图像，骰子系数是0.82。为什么这两个价值观是不同的？
浏览 7提问于2017-06-10得票数 53
回答已采纳
1回答
输出层数精度
、、、、
我已经修改了Caffe 来分类3类图像。我注意到的一件事是，如果我指定输出层数为3，那么我的测试精度就会下降到40%的低范围。但是，如果I +1并且有4个输出层，则结果在95%的范围内。
我在dataset中添加了一个额外的图像类(SO4类)，并注意到了同样的事情--如果输出层的数量与类的数量相同，那么结果是可怕的，如果它是相同的+1，那么它运行得很好。
inner_product_param {
num_output: 3
weight_filler {
type: "xavier"
}
bias_filler {
浏览 3提问于2015-08-27得票数 6
回答已采纳
我试图产生一个无法辨认的形象，可以愚弄Vggnet。我对tensorflow使用了以下vgg模型。我增加了一些修正来计算梯度。在结尾部分，您可以看到我为计算给定图像的梯度方面所做的修改(它正确吗？我正试图生成一个图像，vggnet在第1级将高概率分配给它)。使用这个梯度，我更新随机图像以欺骗vggnet。但这并不是很成功。我无法生成高概率的图像。我得到的最大概率约为0.001。我怎样才能使它不断增加？
。
Vggnet模型
# Davi Frossard, 2016
浏览 3提问于2017-01-17得票数 0
这似乎是一个愚蠢的问题，但我试图了解在多大程度上，在caffe测试阶段对良好的结果是重要的。当然，培训阶段很重要，但是测试阶段仅仅是为了测试在一组没有经过训练的集合上周期性地获得了多少损失吗？如果是这样的话，我的测试集的大小真的很重要吗？测试真的很重要吗？我问这个问题是因为我目前有一些严重的过度适应问题。如果我有一个很大的数据集(>5万张图像)，我应该如何在测试和训练之间分割它们？
浏览 4提问于2016-06-12得票数 1
回答已采纳
当我试图微调一个VGG网络时，我只想更新第5层卷积后的权重，在caffe中，我们可以在配置文件中取消BP。在tensorflow我该怎么做？谢谢！
浏览 4提问于2017-09-16得票数 1
回答已采纳
我正在为caffe中的回归问题完成imagenet。目前我正在使用欧几里登损失，但我不认为它对我的情况有任何好处。
我希望损失值是预测标签和实际标签之间的。我怎样才能做到呢？
请帮帮我！
浏览 1提问于2016-01-04得票数 2
回答已采纳
我正在尝试在keras中为图像分割网络实现一个自定义的损失函数。但是当我训练模型时，我得到的是损失的nan。这是自定义损失函数：
def seedloss(y_true,y_pred):
count = K.sum(K.abs(y_true),axis=[1,2,3],keepdims = True)
loss = -K.mean(K.sum(y_true*K.log(K.abs(y_pred)),axis=[1,2,3],keepdims=True)/(count))
return loss
这是我将Caffe中给定的损失函数转换为keras：
class SeedL
浏览 13提问于2019-10-21得票数 0
1回答
我的问题是关于考试成绩的。Python脚本结果不等于caffe测试结果。我使用了Alexnet，我的测试精度为0,9033。
Caffe测试精度: 0.9033
Python准确性: 0.8785
我用了40000张图片来测试。错误分类图像的数量应该是3868。但是，在我的python结果中，错误分类的图像数量是4859。有什么问题吗？
谢谢。
这里是我的caffe测试命令：
…/build/tools/caffe test --model …/my_deploy.prototxt --weights …/alex_24_11__iter_200000.caffemodel -gpu 0 -i
浏览 3提问于2016-12-05得票数 1
我正在编写遵循论文solver.prototxt规则的
在训练阶段，初始学习率为0.001，当损失停止下降至10−7时，学习率降低了10倍。折扣权最初设为1，每万次迭代降低1倍，直到边际值10−3为止。
请注意，Caffe中的折扣权重为loss_weight。根据上面的信息，我写了我的解算者
train_net: "train.prototxt"
lr_policy: "step"
gamma: 0.1
stepsize: 10000
base_lr: 0.001 #0.002
在train.prototxt中，我还设置
layer {
name:
浏览 0提问于2017-05-25得票数 0
1回答
我有一个图像，在其中，我有两组坐标，在这两组坐标之间画了一条线。
#Get image
im_res = requests.get(image_url)
img = Image.open(BytesIO(im_res.content))
img = np.asarray(img)
#Draw first line
lineThickness = 3
cv.line(img, (ax, ay), (bx, by), (0,255,0), lineThickness)
#Draw second line
lineThickness = 3
cv.line(img, (cx, cy), (dx
浏览 1提问于2019-08-01得票数 1
回答已采纳
我使用的是OpenCV 3.2。
我下载了一个包含平均文件mean.binaryproto的Caffe模型。我想从我的输入图像中减去平均值。如何将mean_file_proto读入OpenCV Mat中，以便从Caffe模型中的均值中减去图像？
编辑：
我可以只使用OpenCV来完成它而不使用Caffe吗？在Windows1064bit上，我在Visual 2015中使用OpenCV 3.2。我从摄像头得到一个图像，我想减去平均值，然后使用OpenCV::dnn，得到结果。
浏览 2提问于2017-02-15得票数 3
回答已采纳
1回答
嗨，我是新来的一位，来的是布恩图和卡菲。现在，我正在研究如何使用caffe进行图像分类，通过下面的链接指令()。
你能告诉我以下命令中“-backend=lmdb”的意思是什么吗？
/home/ubuntu/caffe/build/tools/compute_image_mean -backend=lmdb /home/ubuntu/deeplearning-cats-dogs-tutorial/input/train_lmdb /home/ubuntu/deeplearning-cats-dogs-tutorial/input/mean.binaryproto
浏览 3提问于2017-04-10得票数 1
回答已采纳
1回答
我的列车和标签数据为data.mat。(我有200个包含6000个特性的培训数据，标签(-1，+1)保存在data.mat中)。
我试图在hdf5中转换我的数据(训练和测试)，并使用以下方法运行Caffe：
load input.mat
hdf5write('my_data.h5', '/new_train_x', single( permute(reshape(new_train_x,[200, 6000, 1, 1]),[4:-1:1] ) ));
hdf5write('my_data.h5', '/label_train',
浏览 1提问于2015-12-24得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
