BeS
Пользователи-
Количество публикаций
349 -
Зарегистрирован
-
Посещение
-
Days Won
43
Все публикации пользователя BeS
-
Всем привет, А у кого-то есть опыт развертывания Tensorflow с поддержкой CUDA на картах последнего поколения (1080/TitanX) с CUDA 8.0? Что-то у меня при вызове ./configure вообще ничего про наличие CUDA не сообщается, хотя карта стоит и в том-же caffe она подцепилась вообще без проблем.
- 1 reply
-
- cuda
- deep learning
-
(и ещё %d)
Теги:
-
Caffe. gtx 970 учится, gtx1070 не учится.
BeS replied to Smorodov's topic in Вопросы по нейросетям и ИИ
Да, 2 августа стартовали продажи...но там её не укупишь - первые несколько месяцев корпорации будут их раскупать как горячие пирожки -
Caffe. gtx 970 учится, gtx1070 не учится.
BeS replied to Smorodov's topic in Вопросы по нейросетям и ИИ
Ну вообще говоря 970 и 1070 - это карты разных поколений(Maxwell и Pascal), т.ч. поведение, при котором без пересборки проекта более новая карта глючит - это в порядке вещей) Тут просто надо взять за правило по отношению к железякам от Nvidia: поставил новую железку, обновил драйвер, пересобрал библиотеки. з.ы. и как тебе видяха? По моему, 1070/1080 как-то совсем геймерские, а не для DL, уж больно памяти мало...а новых TitanX еще ждать и ждать( -
Нынче модно семантическую сегментацию делать при помощи какого-нибудь SegNet/FCN.
-
Вот кроме этих видео оно больше нигде нормально не работает ) Статью по этому алгоритму, вроде бы, даже на CVPR не пустили ) Если уж смотреть на что-то боле-мене быстрое, то это Single Shot Multibox Detector...
-
Оно работает с монокамерой, но для построения базы объектов, которые он ищет, нужны облака точек, которые можно получать разными способами, в том числе и кинектом. Смысл там в том, что у тебя для каждого объекта есть несколько изображений с разных ракурсов + облако, та из всего этого лепишь модель объекта, а потом можешь во первых матчить этот объект с разных ракурсов на сцену, а во вторых решать задачу pnp для определения позы объекта. Но все это уже немного CV-некромантия и так уже никто не делает)
-
В свое время ковыряли вот такой вот детектор. Оно основано на матчинге особых точек и умеет детектировать объекты и определять их позу в 3D. Из минусов - довольно геморойно создавать базу объектов (помимо картинок с разных ракурсов требуются еще облака точек), не очень быстрая работа на большом разрешении и точность хуже, чем у Deep Learning'а. Вот примерно так оно работает:
-
Всем привет, Возник такой вопрос: раньше серьезное оборудование для тренировки моделек deep learning я использовал только на работе, как следствие - я не заморачивался тем, сколько электричества потребляют машины для тренировки. А тут решил собрать для личных нужд машинку с GPU'шиной уровня Nvidia gtx980ti / Titan X и стало интересно, а сколько киловат в месяц у меня будет жрать такая видяха при non-stop тренировке. Кто-то имеет опыт использования подобных карт в домашних условиях и может поделиться опытом, насколько это разорительно? Заранее спасибо)
- 17 replies
-
- нейронные сети
- deep learning
-
(и ещё %d)
Теги:
-
А зачем вы используете FlannBased матчер, а не BruteForce?
-
Вот тут я давал ссылку на статью с описанием быстрого способа фильтрации выбросов: А вообще внутри findFundamental используется RANSAC, т.ч. там должно тоже все неплохо получаться, правда чем больше выбросов, тем больше итераций RANSAC'а надо делать...
-
SURF, как и SIFT, с некоторых пор уехал в nonfree модули, т.ч. он подключается отдельно от Features2d. На тему матчинга, кстати, могу посоветовать свою древнюю статью о том, как при помощи некоторых простых и вычислительно легких трюков можно повысить точность матчинга.
-
Определение расстояния до объекта по двум фотографиям
BeS replied to Khludenkov's topic in Обсуждение общих вопросов
Да, нужно калибровать по шаблону. Не понял вопроса. Формула перехода от диспаритета к дистанции стандартная: depth = focal * baseline / disparity. -
Определение расстояния до объекта по двум фотографиям
BeS replied to Khludenkov's topic in Обсуждение общих вопросов
Ну если стереопара ректифицирована, то через SGBM получаешь Disparity Map по которому можно посчитать расстояние. -
Сейчас выгодней купить 1080-ю, чем оплачивать тачки в амазоне (GPU + жесткий диск на амазоне стоят не оправдано дорого).
-
Развесистая сетка в начале - это GoogLeNet, а на выходе очень похоже на Single Shot Multibox Detector...прикольно, раньше народ SSD только с VGG16 тренировал...если с GoogLeNet'ом оно нормально тренируется, то по идее должно раз в 10 быстрее работать чем статейная имплементация Быстро однако RCNN устарели)
-
А что за сетки у них для детекшена используются? SSD, или что-то RCNN-подобное?
-
Caffe насколько важно вычитать среднее изображение?
BeS replied to mrgloom's topic in Вопросы по нейросетям и ИИ
Зависит от того, как используете...если подаете на вход mean_file, то будет вычитаться файл, в вашем примере будет вычитаться средний пиксель. По большому счету там разница не критична. -
Как caffe строит карту смежности для сверточных слоев?
BeS добавил тему в Вопросы по нейросетям и ИИ
Обычно в сверточных сетях, при стыковке двух сверточных слоев, перед применением очередной свертки происходит суммирование некоторых карт признаков с предыдущего слоя в соответствии с картой смежности...но при настройке топологии сети, понятие карты смежности не исопльзуется. И тут возник вопрос: а как в caffe реализуется стыковка карт признаков со сверточным слоем?- 15 replies
-
- caffe
- deep learning
-
(и ещё %d)
Теги:
-
Caffe насколько важно вычитать среднее изображение?
BeS replied to mrgloom's topic in Вопросы по нейросетям и ИИ
Можно посчитать средний пиксель по mean-файлу и таскать за собой только 3 числа (собственно для ImageNet все так и делают), +/- тоже самое получится. -
Caffe насколько важно вычитать среднее изображение?
BeS replied to mrgloom's topic in Вопросы по нейросетям и ИИ
Зависит от сети, если везде понатыкаешь батч нормализаций, то можно и не использовать среднее...без них мат.ожидание лучще все же занулять. А в чем проблема нормализовать картинки? Вроде бы дешевая операция, по сравнению с расчетом тысяч сверток... -
Ищу пример проекта вычитания фона с OpenCV и "чистой" CUDA или OpenCL
BeS replied to shurali58's topic in OpenCV
Так там ведь оно переноситься должно тривиальным образом, т.к. работает как обычный фильтр -
У вас точки матчатся как попало. Попробуйте сначала SIFT детектор/дескриптор и поматчить по L2.
- 10 replies
-
- opencv3.1
- feature detector
-
(и ещё %d)
Теги:
-
Всем привет. А кто-нибудь находил годную документацию по pycaffe (т.к. не совсем понятно, что в python интерфейс проброшено, а что нет), или быть может в курсе, как можно получить информацию по слоям загруженой сети? Конкретно интересует, как получить информацию о форме bottom и top блобов и параметры слоя. Методом тыка дошел только до того, что могу посмотреть отедльно информацию по блобам данных (без привязки к тому, какой слой в них пишет или принимает на вход), либо параметры слоев (да и то только на уровне формы и содержимого блобов с параметрами).
- 1 reply
-
- cnn
- deep learning
-
(и ещё %d)
Теги:
-
Проблема решена. В коде биндинга из _caffe.cpp есть все необходимое.
- 1 reply
-
- cnn
- deep learning
-
(и ещё %d)
Теги:
-
Всем привет. А кто-нибудь находил годную документацию по pycaffe (т.к. не совсем понятно, что в python интерфейс проброшено, а что нет), или быть может в курсе, как можно получить информацию по слоям загруженой сети? Конкретно интересует, как получить информацию о форме bottom и top блобов и параметры слоя. Методом тыка дошел только до того, что могу посмотреть отедльно информацию по блобам данных (без привязки к тому, какой слой в них пишет или принимает на вход), либо параметры слоев (да и то только на уровне формы и содержимого блобов с параметрами).
-
- cnn
- deep learning
-
(и ещё %d)
Теги: