文件列表:

caffenet (0, 2019-03-01)
caffenet\classes_test_accuracy.png (73564, 2017-05-09)
caffenet\conv1_filters.png (55231, 2017-05-09)
caffenet\conv1_output.png (133925, 2017-05-09)
caffenet\conv2_output.png (23576, 2017-05-09)
caffenet\conv3_output.png (18833, 2017-05-09)
caffenet\conv4_output.png (20941, 2017-05-09)
caffenet\image_predict_prob1.png (180943, 2017-05-09)
caffenet\image_predict_prob2.png (164713, 2017-05-09)
caffenet\pool5_output.png (10401, 2017-05-09)
caffenet\preimage_error_labels.txt (4720, 2017-05-09)
caffenet\preimage_error_name.txt (2078, 2017-05-09)
caffenet\preimage_error_probs.txt (8475, 2017-05-09)
caffenet_svm (0, 2019-03-01)
caffenet_svm\classes_test_accuracy.png (41705, 2017-05-09)
caffenet_svm\image_svmpredict_prob1.png (170621, 2017-05-09)
caffenet_svm\image_svmpredict_prob2.png (151267, 2017-05-09)
caffenet_svm\preimage_error_labels.txt (3342, 2017-05-09)
caffenet_svm\preimage_error_name.txt (1316, 2017-05-09)
caffenet_svm\preimage_error_probs.txt (3898, 2017-05-09)
PycharmProjects (0, 2019-03-01)
PycharmProjects\CNN_BIGDATA_CAFFE (0, 2019-03-01)
PycharmProjects\CNN_BIGDATA_CAFFE\.idea (0, 2019-03-01)
PycharmProjects\CNN_BIGDATA_CAFFE\.idea\CNN_BIGDATA_CAFFE.iml (459, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\.idea\misc.xml (213, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\.idea\modules.xml (286, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\.idea\workspace.xml (49082, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\binaryproto2npy.py (395, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\caffe_vision.py (10099, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\cnn_vision_caffe.py (2972, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\extract_features.py (2736, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\make_caffe_lmdb.py (805, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\multi_augmentation_pic.py (4945, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\multi_divide_pic.py (2396, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\svm_predict.py (1716, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\svm_vision.py (7611, 2017-05-09)
PycharmProjects\CNN_BIGDATA_CAFFE\tsne.py (2158, 2017-05-09)
t_sne.png (126251, 2017-05-09)

# CNN_UCMerced-LandUse_Caffe(数据:http://vision.ucmerced.edu/datasets/landuse.html) 主要任务:基于深度学习框架完成对光学遥感图像UCMerced LandUse数据集的分类。 数据特点:共包含21类土地类型图片,每类100张,每张像素大小为256*256,数据类内距离大,类间小。 完成情况:数据量太小,训练数据出现过拟合;为了克服这个问题,又减小训练时间,采用caffe框架,在别人训练好的bvlc_reference_caffenwt模型上进行fine-tune,对最后一层设置较大的学习速率,结果取得了93%的正确率;在这基础上又在fc7层上提取了每张图片的4096维特征,进行了SVM分类,取得了95%以上的分类正确率,并对结果做了可视化分析。 环境:ubuntu14.04 + caffe + python(数据划分和增强在用windows10的3.5,其余都是unbuntu下用的2.7) 程序(相关路径需要修改)/步骤: multi_divide_pic.py---多进程进行数据划分(cv2没装成功,建议用cv2,方便) multi_augmentation_pic.py---多进程数据增强 make_caffe_lmdb.py---生成caffe训练需要的数据路径文件,然后修改caffe配置文件 bvlc_reference_caffenet.caffemodel---caffe模型,在上面进行finetune(http://dl.caffe.berkeleyvision.org/?from=message&isappinstalled=1) binaryproto2npy.py---将caffe生成的均值文件转换成.npy格式 cnn_vision_caffe.py---对训练好的模型进行可视化分析 extract_features.py---获取每张图片在fc7层输出的4096维特征 svm_predict.py---使用svm对上述提取的特征进行训练预测 svm_vision.py---对svm模型进行可视化分析 tsne.py---对数据进行降维可视化

近期下载者：

相关文件：

评论：[我要评论] [举报此文件]

收藏者：