[物件偵測] S2: Fast R-CNN 簡介
前言 回顧一下RCNN的問題點： 訓練分太多階段 訓練消耗太多硬體資源和時間。因為每次要取BBox的feature vector，都需要將每一張影像的region proposals的執行一次CNN，並且將vector存到硬碟上。 對一張影像進行detection需要47秒的時間(on GPU)
最新文章
[物件偵測] S1: R-CNN 簡介
前言 R-CNN可以說是CNN有效應用於物件辨識領域中的一個重要里程碑。它應用region proposal的方法來將這些提案的區域送入CNN抽取特徵，以及後頭的分類、檢測網路中。 在經典的物件辨識競賽PASCAL VOC的2010~2012年之間，競賽的成果發展趨緩。已往利用SIFT、HOG這類的影像識別方法僅...
在Ubuntu 18.04 中安裝NVIDIA RTX系列顯示卡驅動程式與Tensorflow
爬了一堆文，每一篇都有收穫！但是我實際用全新的Ubuntu 18.04，照著reference的文章來試試看時，卻還是不斷踩坑QQ。還好不斷努力之下終於試出一整套完整流程可以把這些事完成，在這邊做個紀錄！