理想中的家用监控

自己家里有两个WiFi摄像头，一个放在半岁女儿的房间里，一个装在客厅的天花板上。家里这两个娃，小的经常在楼上睡觉，需要一个监控方便在楼下看看她；大的大部分时间在楼下玩，他妈妈在楼上带妹妹的时候可以用摄像头看着他。如果没有用摄像头就得经常上楼看两眼，或者是担心楼下的小孩子做什么危险的事情。尽管WiFi摄像头可以提供一些方便，现在的解决方案还是远没有理想中的实用。

MXNet C++ Deployment

iOS上的Deployment的sample code, https://github.com/pppoe/WhatsThis-iOS, 介绍: http://haoxiang.org/2016/01/ios-mxnet-demo/ MXNet训练得到的模型有两个文件，XX.json描述网络，XX.params存网络参数。部署的时候最方便的方式是用Amalgamation: https://github.com/apache/incubator-mxnet/tree/master/amalgamation Amalgamation可以把整个MXNet里Prediction相关的代码写到一个很大的C源文件，部署的时候只需要这个C源文件和对应的一个头文件就可以了。 Sample code 在这里 https://github.com/pppoe/mxnet-Cpp-Deployment-Wrapper-Demo

mxnet里im2rec的坑

用了一下mxnet，感觉速度上确实比Tensorflow快不少。之前试过部署到Moible端[LINK]，也挺方便的。 mxnet训练的时候可以通过ImageDataIter从预处理过的rec文件里读图。rec基本上就是一个打包了label和image的大文件。用rec文件配合DataIter做训练，GPU利用率很高。 遇到两个问题，废了些时间。 1.用im2rec.py生成rec的时候，输入文件格式是，图片序号+Label+图片路径。之间必须用\t分隔，不然会有奇怪的报错。 2.im2rec.py生成图片的时候是用OpenCV读的图，然后从BGR转RGB。图读出来是HxWxC，需要转成CxHxW。不然结果自然会差很多。