Ostnie
Ostnie
遇到许多问题
我是个初学者，所以可能遇到很多问题不会解决，目前遇到过的有： 1.在导入模块那里无法导入core_rnn,以及impl，我把这些话全都注释了才得以继续 2.return data_lists_to_batches([np.load(os.path.join(mfccPath, fn)) for fn in os.listdir(mfccPath)], OSError: [Errno 2] No such file or directory: '/home/pony/github/data/timit/phn/train/mfcc' 现在卡在这里不知道怎么办
今天偶然发现，在您的程序中完成特征提取之后的npy文件里面的数据不是39*1，而是39*n（根据不同的语音n取值不一样，有292,370等），我之前一直以为您的预处理程序处理完语料产生的就是一个长度为39的特征向量，之前接触的其他的语音识别特征提取都是一个39维的特征向量，为什么您特征提取完的矩阵这么大？后面是否有将他转化为长度为39的特征向量的操作？我并没有在您的程序中找到，望能指教，非常感谢
I don't know how to draw the PER form like the author, and I also want to use the trained model to identify my own voice data, and I don't...
您好，最近我在使用bn层的时候遇到点问题，就是收敛的确加快了但是精度下降了大约3%，这个问题不是第一次出现了，这让我很困惑，正好在您的博客中看到这么一句：注意：不要随便加BN，有些问题加了后会导致loss变大，我想请问一下是什么样的问题可能会导致这个结果呢？
I have run the demo successfully,but 24 hours later,it's still running,and I am using 1080ti,Losses are always fluctuating between 5 and 10,I don't know whether the train has been finished,so...
In roi_pool.py, line 38, pooledFeatures = tf.image.crop_and_resize(image=featureMaps, boxes=boxes, box_ind=box_ind, crop_size=crop_size) Just as I know, the featureMaps should be [batch,width,height,channels]，Although batch is one,but it shouldn't be ignored. After your convnet the...
看了您的知乎文章，感觉应该输入数据格式是 batchsize，time，w,h,channels,应该是五个维度，为何您在代码中是四个维度呢，您似乎去掉了time这个维度，keras的ConvLSTM也只能处理五维数据啊
我在看RCNN论文时就是没看懂边框回归这一块应该如何实现，我现在最大的疑问是您代码的边框回归为什么会产生五个值，第一个表示什么？这个我在作者的论文中完全没有看到，能不能解释一下 以及，为什么边框回归的训练数据是用的4096维的特征数据，按说不应该就是这些区域的图片信息么？ 
论文流程理解
打算用tensorflow复现RACNN，但是中间有几步总是觉得难以实现，说一下我对全程的理解，希望能有人帮忙看看是否有误 1、用普通VGG进行分类，微调，直到分类效果不再提升 2、固定住VGG参数，输出最后一层卷积层的输出到APN里面，输出三个用于定位的参数， 3、裁剪图片，用1固定住的VGG继续做分类，将公式8计算出来的loss作为APN的loss（实际是由VGG计算出来的）进行优化，改变三个定位参数 4、重新循环2,3直至VGG分类效果不再提升 5、循环1234
Judging from the papers, the rpn_out_class size should be 18 instead of 9, because background is also contained, I think x_class = Conv2D(num_anchors, (1, 1), activation='sigmoid', kernel_initializer='uniform', name='rpn_out_class')(x) should be...