mrgloom

Может и нет, т.к. у всех остальных accuracy 1, т.к. они никогда не встречаются.

Еще похожая тема изображения с SEM http://www.mathworks.com/matlabcentral/answers/111236-particle-recognition-from-image-with-regionprops Так же могут быть полезны темы связанные с поиском локальных минимумов http://docs.opencv.org/master/d3/db4/tutorial_py_watershed.html#gsc.tab=0 http://stackoverflow.com/questions/26932891/detect-touching-overlapping-circles-ellipses-with-opencv-and-python http://stackoverflow.com/questions/3684484/peak-detection-in-a-2d-array http://codegolf.stackexchange.com/questions/40831/counting-grains-of-rice http://answers.opencv.org/question/28035/find-local-maximum-in-1d-2d-mat/ Главные проблемы возникают в таких случаях http://swarminglogic.com/article/2013_11_skittles

Да по сути вас интересуют accuracy и per_class_accuracy и если значения вас устраивают, то можно остановить нажав ctrl+c, по идее потом можно будет продолжить обучение если потребуется имея snapshot весов и solverstate. P.S. у вас 12 классов? или 2 класса и вы не редактировали prototxt? P.P.S вы просматриваете лог с удаленного сервера через ssh на android?

неохота таскать отдельно mean image файл.

Можете сначала попробовать по дефолту или оставить только один encode-decode слой как у меня в примере. Попробую прогнать на ваших данных.

похоже реинкарнация старого этого проекта imreg_dft can calculate difference between scale, rotation and position of imaged features. https://github.com/matejak/imreg_dft

Мы матчим изображения все со всеми, т.е. у нас между всеми изображениями есть связь, сила связи это например кол-во матчей между особыми точками, т.е. у нас полносвязный граф. Скорее всего имеется ввиду что оставляется 1 Connected Component. https://en.wikipedia.org/wiki/Connected_component_(graph_theory)

А если потом надо еще определить тип птицы, то это называется fine grained classification \ fine grained categorization http://thomasberg.org/papers/birdsnap-cvpr14.pdf http://www.vision.caltech.edu/visipedia/CUB-200.html

Там маски это просто одноканальные png в которых цифры {0,1,...N} поэтому они смотрятся почти черными.

На матлабе там только верхний уровень, а так там по всей видимости свой fork Caffe, и вам придётся написать С++ код вместо Matlab кода, OpenCV тут будет нужен скорее только для загрузки изображений ну и скорее всего Caffe его использует.

Там perspective projection Сначала находите и матчите особые точки, потом находите матрицу гомографии через findHomography и через warpPerspective варпаете.

Я думаю, что blending в том или ином виде занимает больше всего времени, но я не уверен. Самый просто вариант это написать матчинг точек, нахождение матрицы гомографии и потом варпинг картинки(присоединяя каждую фотографию отдельно), но в таком случае у вас будет глобально не оптимальная панорама и видно переходы на границе между изображениями.

https://github.com/Itseez/opencv/blob/2f4e38c8313ff313de7c41141d56d945d91f47cf/modules/stitching/src/stitcher.cpp#L124 Там кстати таймеров понатыкано, можно замерить куски кода.

посмотрите тут Кстати где можно достать набор таких изображений? Если хотите из пушки, то можно и что то такое http://sites.skoltech.ru/compvision/projects/n4/ 2 Smorodov , лучше перенесите вопрос в тему с распознаванием камней.

А чем отличается кластеризация 3\4 мерных данных от N мерных? особые требования. А так можете попробовать DBSCAN http://scikit-learn.org/stable/auto_examples/cluster/plot_dbscan.html

Задавайте более конкретный вопрос. http://docs.opencv.org/2.4/modules/stitching/doc/introduction.html А так вроде в этой книжке было http://szeliski.org/Book/

Как можно собрать caffe на одной машине и скопировать на другую? Допустим собрал я дома на Ubuntu 14, а кинул на сервер на Ubuntu 12(где не имею sudo). У caffe есть make distribute, но похоже это не копирует в папку все зависимости.

Нашел несколько вариантов http://stackoverflow.com/questions/725472/static-link-of-shared-library-function-in-gcc Для того чтобы собрать статически надо .a файлы, а как я понимаю они не всегда поставляются если ставить либы через apt-get. Попробовал вариант с CDE вроде работает, но создаёт экзешник *.cde где то в недрах своей папки, вообщем жаль, что не единым бинарником.

Нечто похожее http://www.mathworks.com/help/images/examples/marker-controlled-watershed-segmentation.html

Кто то пробовал сделать многопоточную обработку папки с изображениями? Должно ли это ускорять процессинг учитывая чтение\запись изображений? Может надо чтение и запись как то отдельно выносить? Тут пример http://stackoverflow.com/questions/37398684/opencv-how-to-perform-batch-processing-of-folder-with-images/

Вообщем проблема была в clock() таймере, но всё равно непонятно можно ли сделать более красиво и быстрее с ThreadPool'ом и отдельным thread'ом на загрузку изображений?

Вроде как каскады это самое быстрое что сейчас есть, вроде как есть и модификации побыстрее чем в opencv. А насчет detectMultiScale можно еще поиграться с параметрами http://stackoverflow.com/a/20805153/1179925

Можно например посчитать гистограммы для кусков из мультфильмов и фильмов и потом построить средние гистограммы и потом по входящему куску строить гистограмму и смотреть к какому ближе. Будет что то такое

Собираю Caffe на Ubuntu c openblas в CPU_ONLY mode на Ubuntu 14.04 x64 которая крутится на VirtualBox. https://github.com/mrgloom/Caffe-snippets/blob/master/Virtualbox_Ubuntu_14.04_CPU.sh https://github.com/mrgloom/Caffe-snippets/blob/master/Makefile.config https://github.com/xianyi/OpenBLAS После выставление любой из переменных, я не наблюдаю ускорения вообще. export OPENBLAS_NUM_THREADS=4 export GOTO_NUM_THREADS=4 export OMP_NUM_THREADS=4 Как проверить что несколько потоков используется?

Попробовал caffe бинарник на Mnist http://caffe.berkeleyvision.org/gathered/examples/mnist.html И тут уже 400% выдаёт 1 thread I0520 15:58:09.749832 12424 caffe.cpp:178] Use CPU. ... I0520 16:06:14.553506 12424 caffe.cpp:222] Optimization Done. ~8 min 4 threads I0520 16:06:44.634735 12446 caffe.cpp:178] Use CPU. ... I0520 16:13:15.904394 12446 caffe.cpp:222] Optimization Done. ~6.5 min ps -T -p <PID> 1 thread 6 строчек 4 thread 9 строчек Осталось понять когда мультипоточность задействуется и как это зависит от топологии сети. И да по идее это должно ускорять и свёртки, т.к. всё сводится к вызову BLAS ф-ий. http://caffe.berkeleyvision.org/tutorial/convolution.html