Helianthus_的博客

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal NetworksShaoqing Ren, Kaiming He, Ross Girshick, Jian Sun

extract_features.exe models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel examples/_temp/imagenet_val.prototxt fc7 examples/_temp/features 10 leveldb CPUextract_features.exe models/bv

一、GitHub下载Faster RCNN源码：https://github.com/ShaoqingRen/faster_rcnn二、下载训练好的模型放在faster_rcnn_root/output/三、下载编译好的mex文件：VS2013+CUDA6.5 BaiduYunVS2013+CUDA7.5      BaiduYun    （位置 faster_rcnn_r

想要在现有的caffe版本添加ROIPoolingLayer 和SmoothL1LossLayer，首先到这里https://github.com/rbgirshick/caffe-fast-rcnn可以找到他们的定义。caffe添加layer的详细方法在这里可以看到https://github.com/BVLC/caffe/wiki/，然后我们就可以开始啦！！1.ROIPoolingLaye

如果已经编译了Caffe的matlab版本matcaffe，并将对应路径添加到matlab的路径中，就可以进行下面的额学习了：%CPU模式caffe.set_mode_cpu();%GPU模式gpu_id=0;caffe.set_mode_gpu();caffe.set_device(gpu_id);%网络初始化net_model=['path/to/deploy.prototxt'];