mht1829的博客

本文参考的文献   http://www.lai18.com/content/1452306.html https://my.oschina.net/Ldpe2G/blog/275922http://blog.youkuaiyun.com/funny75/article/details/50937302 matlab源码注释http://blog.youkuaiyun.com/u0143658

运行环境：cpu训练图片大小为300*330，类别数11。1.修改VGG_CNN_M_1024模型配置文件1）solver.protxt文件stepsize原先为10000，根据需要更改。2）train.protxt文件“input-data”层的‘num_class’数值改为11；“rpn-data”层的feat_stride由原先的16改为8；“prop

py-faster-rcnn的配置具体参考github主页https://github.com/rbgirshick/py-faster-rcnn，并且下载时一定要使用--recursive递归下载。cpu模式下需要修改几个配置文件，具体可参考博客http://www.cnblogs.com/justinzhang/p/5386837.html配置起来并不麻烦，但是运行./tools/demo

主要可以参考Ubuntu14.04下配置测试Faster R-CNN这篇博客注意这里用的caffe不是通用的caffe，用git命令要递归下载。不过用git命令下载感觉好慢，不知道别人是不是也这样，可以直接在网页上下载好后解压到本地。按照博客中的步骤并没有编译成功，在make test时报如下错误Unknown V1LayerParameter Layer type: 40

首先安装Anaconda2，可以看网上教程。我本来电脑有python2.7 的32位的版本，发现编译python接口不成功，具体32位的python能不能成功我不能肯定。不过为了方便我还是准备重装64位的python。使用Anaconda2很方便，不过安装好的python时在Anaconda2的环境中的。    安装caffe-windows 我配置的是无GPU版本，具体配置步骤看参考http

caffe-windows训练自己的数据--将图片数据转换成leveldb遇到的问题，使用windows的bat批处理文件实现

PCANet_output.mfunction [OutImg OutImgIdx] = PCA_output(InImg, InImgIdx, PatchSize, NumFilters, V)% Computing PCA filter outputs 减去均值样本矩阵 * 特征向量就是PCA的输出% ======== INPUT ============% InImg

function [f BlkIdx] = HashingHist(PCANet,ImgIdx,OutImg)% Output layer of PCANet (Hashing plus local histogram)% ========= INPUT ============% PCANet PCANet parameters (struct)% .PCANet.NumSt

PCANet_train.m函数function [f V BlkIdx] = PCANet_train(InImg,PCANet,IdtExt)% =======INPUT=============% InImg Input images (cell); each cell can be either a matrix (Gray) or a 3D tensor (RGB)

今天终于跑通了RCNN目标检测代码，说实话为了实现目标检测我试着在windows上配置各种检测框架，fast-RCNN，faster_RCNN，RFCN，SSD。好吧最终没一个成功的，windows上的配置真心不是一般繁琐，而且的电脑配置低，只能用CPU。诶，在windows上配置真是能折腾死人，旁边又没人可问，只能自己瞎搞瞎搞，以后还是用ubuntu吧。。。。先上个我跑通后的图，我只试了一张