faster-rcnn 关于预训练的问题

faster -rcnn 训练分成两步:
1. per-train 采用Image Net的数据集(1000类,一千万张图片)
2. fine-tuning 采用pascal voc _ 2007 (20类,一万张图片) 或其他数据集
问题:
如果我想训练另外一个数据集,例如做细胞检测,大概有三类,可不可以直接用第一步per-train的模型来进行初始化参数?如果不可以,大概需要多少张细胞图像做预训练?

0

2个回答

可以,只要你特征空间选取的方式和维度之前的一样就行,但是这样做实际意义不是很大,因为决定模型训练的主要因素不是初始值,而你想做细胞检测已经属于另外一个问题了,前一个模型如果不是同样做细胞检测或其训练数据集及其分类结果与细胞检测完全没关系的话其训练参数在你的这个问题中已经失去意义。

至于你说的做预训练需要多少张细胞图像这个答案不在与具体多少张,而在于你能够提供多少训练数据,训练数据越多肯定精度越高,训练数据的多少只是决定了你训练得出的模型的预测精度而已。

1

肯定可以呀,你就是换了一总用法而已!
训练数据肯定是越多越好的!

0
Csdn user default icon
上传中...
上传图片
插入图片
抄袭、复制答案,以达到刷声望分或其他目的的行为,在CSDN问答是严格禁止的,一经发现立刻封号。是时候展现真正的技术了!
其他相关推荐
py-faster-rcnn的ZF,VGG16预训练模型
py faster rcnn的ZF,VGG16预训练模型 caffe版的 fetch_imagenet_models.sh需要翻墙,我把它放到百度网盘中了
R-CNN:使用自己的数据训练 Faster R-CNN 的 VGG-16 模型
最近在学习 Faster R-CNN 模型,为了了解其中网络的结构,利用 PascalVOC 数据集,来扩展网络的类别(原来有 20 类)。过程分为:数据准备 ==> 相关文件修改 ==&amp
Faster-rcnn模型下载
1、下载Faster-rcnn源码rncaffe:rngitclonern --recursive https://github.com/rbgirshick/py-faster-rcnn.gitrnrntensorflow:rngit clone --recursive https://github.com/smallcorgi/Faster-RCNN_TF.gitrnrn2、编译rn进入目录c
ubuntu16.04+caffe环境下的Faster R-CNN预训练模型下载
基于Faster R-CNN预训练模型,faster_rcnn_models.sh。
Faster-Rcnn-TF预训练模型
vgg_imagenet.npy vggnet_fast_rcnn_iter_7000.ckpt 因为github指示地址需要翻墙,我保存在百度网盘上的
Faster RCNN 实践篇 - 使用 resnet 做预训练,Kitti 数据集做 fine-tuning,训练一个目标检测模型
https://blog.csdn.net/Houchaoqun_XMU/article/details/78529069
【object detection】Faster RCNN 实践篇 - 使用 resnet 做预训练,Kitti 数据集做 fine-tuning,训练一个目标检测模型
前言:nn如下图所示,根据自己制定的“Deep Learning”学习计划,11月份的主要任务是:熟悉各大DL网络模型,主要以分类和检测为主;看论文;熟悉病理数据等。我们有一个2人组的小分队,我这个月的主要工作集中在学习目标检测的经典算法以及基于tensorflow或者keras跑一些经典的案例,主要有R-CNN,SPP-Net,Fast-RCNN,Faster-RCNN,YOLO等;另一名成员主...
faster_rcnn_models训练模型的下载地址
faster_rcnn_models下载链接。
使用faster-rcnn训练自己的模型
参考faster-rcnn n源码链接 n论文链接 n一个不错的参考faster rcnn简介各文件目录介绍 caffe-fast-rcnn —> caffe框架 n data —> 存放数据,以及读取文件的cache n experiments —>存放配置文件以及运行的log文件,配置文件 n lib —> python接口 n models —> 三种模型, ZF
使用faster rcnn训练自己的模型
安装caffen数据预处理n对于训练代码的修改n遇到问题n参考性很强安装caffe可以看我之前的博客: n安装caffe n安装faster rcnn: nfaster rcnn数据预处理进行数据标注: nhttps://github.com/saicoco/object_labelImg我这里主要是使用python对xml进行处理。生产xml的代码:# -*- coding:utf-8 -*-__
训练py-faster rcnn的两种方式以及自己模型的迁移学习
faster rcnn训练方式有两种,一种是交替优化方法(alternating optimization),即训练两个网络,一个是rpn,一个是fast rcnn,总计两个stage,每个stage各训练一次rpn和fast rcnn。另外一种训练方式为近似联合训练(approximate joint training),也称end to end的训练方式,训练过程中只训练一个权重网络,训练速度...
训练自己的数据,微调faster Rcnn模型
提供我自己做好的数据:全部资源链接 链接: http://pan.baidu.com/s/1o8kGwfo 密码: 需要密码可以留言或者私信。n按照上面的文件放置自己的数据,图片等等,然后把整个文件放到faster rcnn->dataset下面,如果没有这个文件夹需要自己建一个。n里面有model_zf模型,需要下载下来解压到faster rcnn根目录下,是这个模型的初始参数,我们做的就是微调这
R-CNN:使用自己的数据训练 Faster R-CNN 的 ResNet-50 模型
上次使用 Faster R-CNN 训练了一个 VGG16 的网络,为了再提升识别的准确率,利用 ResNet 网络在同样的数据上面训练了多一次,过程如下rnrn
用自己的数据训练Faster-RCNN
本文简要介绍了如何用自己的数据训练Faster-RCNN。
Caffe下faster-rcnn的resnet50的配置文件
Caffe下faster-rcnn的resnet50的配置文件,包括solver.prototxt,train.prototxt,test.prototxt
faster-rcnn训练自己的数据集以及遇到的一些问题
入坑DeepLearning,尝试着利用faster-rcnn做目标检测,因此也就入了这个坑了。rnrnrnrnrn数据集的准备主要根据这篇文章,步骤很明确,资料也提供的比较全,包括label和目标框的标注工具等。http://blog.csdn.net/sinat_30071459/article/details/50723212rnrnrnrnrnrnrn根据自己做的数据集进行训练。训练之前要
Windows下使用Faster RCNN训练自己的模型
前两篇博客介绍了Windows下tensorflow和faster rcnn的安装和demo的运行,这篇介绍如何训练自己的模型和数据。nnWindows +TensorFlow+Faster Rcnn 详细安装步骤(一)nnWindows 下 TensorFlow 和 Faster rcnn 详细安装步骤(二)nn这里不再介绍VOC2007数据集,假设你已经制作好了自己的数据集。nn注意:这篇博客...
Caffe实现Faster-RCNN:训练和测试出现的问题及解决措施
环境:Caffe,LINUX,GPU,CUDA主要从环境编译、模型的训练和测试三个方面进行说明。一、环境编译及demo的实现1.编译caffe是出现的问题:/usr/local/cuda/include/cudnn.h:803:27:note: declared heremake: ***[.build_release/src/caffe/solvers/adam_solver.o] Error ...
Faster R-CNN-MXNet框架下的训练与测试
1 下载预训练模型和数据集进入example/rcnn文件夹1) 安装附加依赖的环境,其中会因为超时多次中断example/rcnn$:bash script/additional_deps.sh2) 下载VOC数据集example/rcnn$:bash script/get_voc.sh包括:VOCtrainval_06-Nov-2007.tar          VOCtest_06-Nov-...
faster-rcnn训练遇到的问题
1. 问题1nn_sample_rois(roidb, fg_rois_per_image, rois_per_image, num_classes)nn报错是因为是$FRCN_ROOT/lib/roi_data_layer下的minibatch.py中的npr.choice引起的,解决方法: n修改:nnnnif fg_inds.size > 0:n for i in ran...
pva-faster-rcnn配置安装及训练自己的数据集
继fasterrcnn后,又一个pva-fasterrcnn的配置教程,希望可以帮助大家。
在Windows系统下,用faster-RCNN进行模型训练
一、图片标注程序1:(实用性不高)下载地址:http://download.csdn.net/download/sinat_30071459/9573982参考网址:http://blog.csdn.net/sinat_30071459/article/details/50723212使用方法:代码已经封装成DLL,你只需要打开项目,将图像路径修改成你的即可。(我用的VS为2013)。生成的txt...
Pytorch版faster rcnn的安装、配置与测试
Pytorch作为一个较新的开源框架,十分简洁好用,完全不亚于Tensorflow等成熟框架。nn最近在学习Faster R-CNN, 发现Pytorch版本的资料不多,所以在这里记录与分享下自己安装配置Pytorch版本的faster cnn的过程。过程是搬运+翻译的说明文档,增加了一些细节性的东西和报错解决。nn这里我用的是github上ruotianluo开源的代码:pytorch-fast...
Faster-RCNN+ZF制作自己的数据集和训练模型完整文件及教程(Matlab版本)
Faster-RCNN+ZF制作自己的数据集和训练模型完整文件及教程(Matlab版本),内含详细的完整配置及操作过程。
Faster R-CNN学习笔记
Faster R-CNN(其中R对应于“Region(区域)” )是基于深度学习R-CNN系列目标检测最好的方法。使用VOC2007+2012训练集训练,VOC2007测试集测试mAP达到73.2%,目标检测的速度可以达到每秒5帧。
mxnet框架的faster-rcnn测试resnet的demo文件(含使用说明)
解决mxnet框架下faster rcnn中使用demo测试resnet网络时,出现框不准,漂移的问题,不想下载的话详见我的博客里面,有代码修改步骤。注意执行时要加多加一个参数--network resnet。全部命令是python demo-resnet.py --prefix model/e2e --epoch 10 --image demo.jpg --gpu 0 --network resnet 这个资源和https://download.csdn.net/download/wang_ys121/10602469是一样的,只是加个使用说明
使用pytorch版faster-rcnn训练自己数据集
使用pytorch版faster-rcnn训练自己数据集引言faster-rcnn pytorch代码下载训练自己数据集接下来工作参考文献rn引言rn最近在复现目标检测代码(师兄强烈推荐FPN,但本文只针对Faster-RCNN),大家在能顺利测试源码数据集后,翅膀是不是硬了?是否想使用自己的数据集爽一下,本文主要介绍如何“傻瓜式”训练自己的数据集~之前的此类博客都是介绍如何在原作者的caffe源码下...
faster rcnn学习之rpn训练全过程
上篇我们讲解了rpn与fast rcnn的数据准备阶段,接下来我们讲解rpn的整个训练过程。最后 讲解rpn训练完毕后rpn的生成。n我们顺着stage1_rpn_train.pt的内容讲解。nname: "VGG_CNN_M_1024"nlayer {n name: 'input-data'n type: 'Python'n top: 'data'n top: 'im_info'
训练Faster RCNN出现的错误集合
问题(1):Appending horizontally-flipped training examples...nvoc_2007_trainval gt roidb loaded from /home/xiebingbing/py-faster-rcnn/data/cache/voc_2007_trainval_gt_roidb.pklndonenPreparing training data
如何在自己的数据集上训练faster rcnn检测网络?
计算机视觉交流群:677855967,欢迎大家加入交流。nn在学习完faster rcnn的理论知识后,我从谷歌开源的open image datav4数据集中呕心沥血的抽取部分需要的类目构造了自己的数据集(数据集下载链接很不稳定,不要直接点击链接下载,建议使用亚马逊云等方式下载(free))。nn言归正传,本文主要记录如何训练一个work的faster rcnn模型(按捺不住心中的激动),与大家...
Mxnet(2)---faster-rcnn制作自己的数据集进行训练
Mxnet自带有faster-rcnn的例子,但是如果要用自己的数据进行训练可能需要作一些更改,一个是类别的数目,一个数据的标签。其实它的修改方式和py-faster-rcnn差不多。n**1.环境的安装可以参考**:Mxnet—faster-rcnn环境安装**2.制作数据集** n 制作数据集可以参考:py-faster-rcnn制作自己的数据集做目标检测。 n 作成VOC格
用自己的数据集训练faster-rcnn时出现的一些问题及总结(五)
关于faster-rcnn的原理训练流程及其数据集的制备,已经都已完成。那么问题来了,“自己制备的数据集,比如说自己为了增强数据集,进行图片翻转操作,然后记录坐标这样的数据集,在训练的过程中出现的问题”一、在调用append_flipped_images函数时出现: assert (boxes[:, 2] >= boxes[:, 0]).all()网上查资料说:出现这个问题主要是自己的数据集...
运行 tf-faster-rcnn预训练集
github代码出处为:https://github.com/endernewton/tf-faster-rcnnnn按照作者read me 里面执行没有太大过错(tiao跳了无数坑),到了 Demo and Test with pre-trained models这一步中的第4步。nn4.Test with pre-trained Resnet101 modelsnnGPU_ID=0nn./ex...
Faster-RCNN训练自己数据集遇到的问题集锦
最近,用faster rcnn跑一些自己的数据,数据集为某遥感图像数据集——RSOD,标注格式跟pascal_voc差不多,但由于是学生团队标注,中间有一些标注错误,也为后面训练埋了很多坑。下面是用自己的数据集跑时遇到的一些问题,一定一定要注意:在确定程序完全调通前,务必把迭代次数设一个较小的值(比如100),节省调试时间。nn错误目录:nn1 ./tools/train_faster_rcnn_...
使用caffe框架利用faster-rcnn来训练自己的数据集
最近在研究caffe,前前后后差不多快一周了,论文看得比较少,直接上手来做的,期间遇到无数问题,大大小小的无数问题,不过通过上网,看别人的博客,几乎踩了很多大坑,这里给大家总结一下,希望后续同样做深度学习的小伙伴能够少踩点坑。在这里,我就不做重复功了,具体的配置还有改动的地方我会引用别人的博客,然后补充说明这些博客介绍得并不全面的地方。nnn备注:以下内容会不定期更新,该篇博客主要对安装ca
Faster-RCNN+ZF用自己的数据集训练模型(Python版本)
说明:本博文假设你已经做好了自己的数据集,该数据集格式和VOC2007相同。下面是训练前的一些修改。n(做数据集的过程可以看这里)nnnFaster-RCNN源码下载地址:nMatlab版本:https://github.com/ShaoqingRen/faster_rcnnnPython版本:https://github.com/rbgirshick/py-faster-rcnn
Faster-RCNN+ZF用自己的数据集训练模型(Matlab版本)
说明:本博文假设你已经做好了自己的数据集,该数据集格式和VOC2007相同。做好数据集后,我们开始训练,下面是训练前的一些修改。nn1 、VOCdevkit2007\VOCcode\VOCinit.m的修改nn(1)路径的修改nnVOCopts.annopath=[VOCopts.datadir VOCopts.dataset '/Annotations/%s.xml'];nVOCop
利用py-faster-rcnn训练目标检测模型
参考:https://www.cnblogs.com/dudumiaomiao/p/6556111.htmln            http://m.blog.csdn.net/hongbin_xu/article/details/77278329nn1. 首先下载pascal voc2007数据集nn    wget http://host.robots.ox.ac.uk/pasca
faster-rcnn 多尺度目标检测
因为项目需要对小物体进行目标检测,首先想到了用densebox训练faster-rcnnnfaster-rcnn论文给出的anchor是9个 ,由3(scale:128*128,256*256,512*512)* 3(ratio:1:1,1:2, 2:1)得来n添加一个64*64的scale,和 1.5:1的ratio, anchor数目变为16.nnn具体为修改lib/rpn/gene
使用faster_rcnn训练自己的数据
Faster-R-CNN算法由两大模块组成:1.PRN候选框提取模块 2.Fast R-CNN检测模块。其中,RPN是全卷积神经网络,用于提取候选框;Fast R-CNN基于RPN提取的proposal检测并识别proposal中的目标。
文章热词 机器学习教程 Objective-C培训 交互设计视频教程 颜色模型 设计制作学习
相关热词 mysql关联查询两次本表 native底部 react extjs glyph 图标 关于大数据培训 关于云计算