CV实习一周小记

从开始实习到现在刚好一周的时间。无心插柳的一封邮件，却换来了难得的机器视觉实习机会。对于非科班的我来说还是很珍贵的。另外将知识转化为博客的习惯也要继续坚持下去，在很多方面都会有巨大的好处。

这次实习的岗位为CV算法，目前部门在使用深度网络实现目标检测方面的算法。

本周主要实验用来研究了darknet框架的代码。除了基本的代码阅读外，还在darknet的框架下利用voc数据集在YOLOv2模型上进行了一次训练。

关于darknet代码及训练，有几个需要整理的点，日后有机会单独整理成文：

1.关于代码的总体框架与添加自定义层的改动流程。

2.Cuda C的网络优化细节。

3.Yolo模型与MobileNet、ShuffleNet等深度网络的理论总结与性能比较。

4.基于深度学习的目标检测与传统的检测方法对比总结

5 今后可能还会阅读一些caffe的代码

说到这里实在是想吐槽一下。对于图像来说，深度学习确实是一种烧设备的研究。。某次在有独显的笔记本上训练网络，哼哧哼哧跑了半个多小时训练了50多个batch后挂掉了，一气之下扔到公司服务器上跑，没半分钟就训练到50batch了。我估摸着这笔记本性能应该是已经甩实验室电脑一大截了，结果和服务器差距居然还是这么大。其实我很好奇当年那些在实验室电脑上要显示要训练七八十天的网络放到服务器是不是也没一会就跑完了Orz。以及我在实验室电脑上几个小时就能训练完的网络。。真的能叫深度网络么（大雾

另外公司现有的代码中用到了一些传统算法（可能不是？）：

ACF

DAT

DPM

KCF

WHOS

现在还不是很清楚这些都是什么？日后还需学习总结。对于有收获的部分也应整理成博客。

再另外就是一些技术方面的了。。比如。。Caffe的安装。。linux下makefile、cmakelist.txt的编写等。。这些工程方面的东西主要靠折腾。考虑了一下，网上这方面的博文已经相当多了，也许直接转帖就可以。如果没有什么特别的心得就不自己总结这些了。

最后。。感谢某人给我抽到的彼岸花（在加班到快12点走回宿舍的路上）