关键词：
先说一下前期准备工作：自己的运行环境是Ubuntu16.04+caffe+CPU（这台电脑没有GPU）+python
关于python的搭建就不说了，网上随便一搜，很多参考资源。说一下我配置好caffe之后，编译python接口时遇到的问题，以及我用到的解决办法。
比较顺利地配置好caffe只后，到了make pycaffe的时候，提示如下错误：
后来执行：~/caffe$ locate pyconfig.h
找到头文件pyconfig.h
下面是一步至关重要的操作：~/caffe$export CPLUS_INCLUDE_PATH=/usr/include/python2.7
就是这一步，我的问题完美解决。看一下编译成功的场景：
import caffe成功！
接下来就可以跑一下FCN了，由于本台电脑条件有限，直接使用大神已经跑好的模型进行测试，要这台电脑去跑此模型，有点费时。
ＯＫ，下面进入测试操作：
作者在github上开源了代码:Fully Convolutional Networks，我们首先将代码下载并且解压到home目录下。
下载voc-fcn32s,voc-fcn16s以及voc-fcn8s的caffemodel（根据提供好的caffemodel-url)，fcn-16s和fcn32s都是缺少deploy.prototxt的，需要根据train.prototxt稍加修改。
后续步骤：
修改infer.py文件：
- caffe path的加入，由于FCN代码和caffe代码是独立的文件夹，因此，须将caffe的Python接口加入到path中去。这里有两种方案，一种是在所有代码中出现
import caffe之前，加入：1 import sys 2 sys.path.append('caffe根目录/python')
- 另一种一劳永逸的方法是:在终端或者bashrc中将接口加入到
PYTHONPATH中： export PYTHONPATH=caffe根目录/python:$PYTHONPATH
本次我们采用后者。
在解压代码的根目录下找到一个文件:infer.py。略微修改infer.py,就可以测试我们自己的图片了，请大家根据自己实际情况来进行修改。
im = Image.open('voc-fcn8s/test.jpeg') 这里指的是测试图片路径！
net = caffe.Net('voc-fcn8s/deploy.prototxt', 'voc-fcn8s/fcn8s-heavy-pascal.caffemodel', caffe.TEST) ，这里指的是voc-fcn8s文件下的部署文件和模型。
注意，fcn下每一个模型其实都对应于一个文件夹，而每个文件夹下应当放着这个模型的caffemodel文件和prototxt文件！
plt.savefig('test.png')，这里指的是最终分割的结果应当放置在哪个路径下，大家都知道，语义分割的结果应当是一张图片！
修改完后的infer.py如下所示：
1 import numpy as np 2 from PIL import Image 3 import matplotlib.pyplot as plt 4 import caffe 5 6 # load image, switch to BGR, subtract mean, and make dims C x H x W for Caffe 7 im = Image.open('voc-fcn8s/test.jpeg') 8 in_ = np.array(im, dtype=np.float32) 9 in_ = in_[:,:,::-1] 10 in_ -= np.array((104.00698793,116.66876762,122.67891434)) 11 in_ = in_.transpose((2,0,1)) 12 13 # load net 14 net = caffe.Net('voc-fcn8s/deploy.prototxt', 'voc-fcn8s/fcn8s-heavy-pascal.caffemodel', caffe.TEST) 15 # shape for input (data blob is N x C x H x W), set data 16 net.blobs['data'].reshape(1, *in_.shape) 17 net.blobs['data'].data[...] = in_ 18 # run net and take argmax for prediction 19 net.forward() 20 out = net.blobs['score'].data[0].argmax(axis=0) 21 22 plt.imshow(out,cmap='gray'); 23 plt.axis('off') 24 plt.savefig('test.png') 25 #plt.show()
然后终端运行：python infer.py
运行结束后会在软件的根目录下生成一个分割好的图片test.png！
全卷积网络（fcn）实战：使用fcn实现语义分割(代码片段)
全卷积网络（FCN）实战：使用FCN实现语义分割FCN对图像进行像素级的分类，从而解决了语义级别的图像分割（semanticsegmentation）问题。与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分... 查看详情
stm32将采集数据以txt文件形式保存在sd卡的操作实战，小小单片机系统也能便携取出大量本地数据（sd卡+fatfs）
【系列专栏】：博主结合工作实践输出的，解决实际问题的专栏，朋友们看过来！《QT开发实战》《嵌入式通用开发实战》《 查看详情
stm32将采集数据以txt文件形式保存在sd卡的操作实战，小小单片机系统也能便携取出大量本地数据（sd卡+fatfs）
【系列专栏】：博主结合工作实践输出的，解决实际问题的专栏，朋友们看过来！《QT开发实战》《嵌入式通用开发实战》《 查看详情
字体反爬的起点，月票数解析，一个小小的python案例(代码片段)
文章目录⛳️实战起点⛳️实战编码⛳️实战起点本次要采集的目标站点为https://Python脱敏处理.qidian.Python脱敏处理/rank/yuepiao/。月票榜单的数字为特殊字体，并且class看起来为一个加密字符串。测试之后发现，字体样式恰好是字... 查看详情
fcn
fcn代码：https://github.com/shelhamer/fcn.berkeleyvision.orgdeconvolution实际上是转置卷积，是为了从小的featuremap恢复到大的featuremap动画展示怎么deconvolution：https://github.com/vdumoulin/conv_arithmetic 查看详情
r-fcn论文翻译
R-FCN论文翻译R-FCN:ObjectDetectionviaRegion-basedFullyConvolutionalNetworks2018-02-0611:43:35 论文地址：R-FCN:ObjectDetectionviaRegion-basedFullyConvolutionalNetworks 代码地址：https://github.com/daijifen 查看详情
目标检测之r-fcn
R-FCN:ObjectDetectionviaRegion-basedFullyConvolutionalNetworksR-FCN的网络结构一个Base的convolutional网络如RestNet101，一个RPN（FasterRCNN来的），一个PostitionSensitive的prediction层，最后的RoIpooling+投票的决策层R-FCN的关键思想分类需要特征具有平移不 查看详情
从fcn到deeplab
...图片，对图片上的每一个像素点分类。图像语义分割，从FCN把深度学习引入这个任务，一个通用的框架事：前端使用FCN全卷积网络输出粗糙的labelmap，后端使用CRF条件随机场/MRF马尔科夫随机场等优化前端的输出，最后得到一个精... 查看详情
fcn代码解析
...p://blog.csdn.net/zzzzzzz0407/article/details/69831388 网上有许多FCN网络的安装和训练教程，但却没有代码解读的详细教程，这让我这种刚刚入门深度学习的萌新不知所措；为了弄清楚FCN，不知走了多少弯路，想把它记录下来，给自己看... 查看详情
论文--r-fcn
R-FCN: ObjectDetectionviaRegion-basedFullyConvolutionalNetworks R-FCN的网络结构： 不同于之前的fast/fasterR-CNN的region-based，paper中的newnetwork是shared,fullyconvolutional的网络结构。Paper是奔着节约计算的角度，因为 查看详情
基于lstm+fcn处理多变量时间序列问题记录(代码片段)
LongShortTermMemoryFullyConvolutionalNetwork(LSTM-FCN)andAttentionLSTM-FCN(ALSTM-FCN)havebeensuccessfulinclassifyingunivariatetimeseries.However,theyhaveneverbeenappliedtoonamultivariatetimeseriesclas 查看详情
java并发编程实战读书笔记5---executor在android中的应用(代码片段)
...utor了这句话让我想到了我以前在项目中对Executor做了一个小小的封装，可以当做一个小小的工具类使用。封装后可以将上面代 查看详情
java并发编程实战读书笔记5---executor在android中的应用(代码片段)
...utor了这句话让我想到了我以前在项目中对Executor做了一个小小的封装，可以当做一个小小的工具类使用。封装后可以将上面代 查看详情
目标检测方法——r-fcn
...链接：论文传送门代码链接：matlab版，python版方法概括R-FCN解决问题——目标检测整个R-FCN的结构一个base的conv网络如ResNet101,一个RPN（FasterRCNN来的）,一个positionsensitive的prediction层，最 查看详情
fullyconvolutionalnetworksforsemanticsegmentation(全卷积网络fcn）
可以看看：https://github.com/jinhang/fcn【论文信息】《FullyConvolutionalNetworksforSemanticSegmentation》CVPR2015bestpaperReferencelink: http://blog.csdn.NET/tangwei2014http://blog.csdn.net/u010025211/artic 查看详情
python计算fcn32s偏移量(代码片段)
基于深度学习的语义分割初探fcn以及pytorch代码实现(代码片段)
基于深度学习的语义分割初探FCN以及pytorch代码实现FCN论文论文地址：https://arxiv.org/abs/1411.4038FCN是基于深度学习方法的第一篇关于语义分割的开山之作，虽然这篇文章的分割结果现在看起来并不是目前最好的，但其意... 查看详情
基于lstm+fcn处理多变量时间序列问题记录
...的单变量时间序列分类模型即长短时记忆全卷积网络(LSTM-FCN)和注意力LSTM-FCN(ALSTM-FCN)转换为多变量时间序列分类模型，通过在全卷积块上增加一个Squeeze-and-ExcitationBlock来进一步提高分类精度。下面是文档阅读和程序运行时积... 查看详情