欢迎使用优快云-markdown编辑器

软件要求
1. Caffe 在external/caffe文件夹里
。如果你是Windows系统，需要下载一个编译好的文件，
执行fetch_data/fetch_caffe_mex_windows_vs2013_cuda75.m
。如果你是Linux系统需要重新编译caffe
2．MATLAB 2014a或者更新的版本
硬件需求
GPU: Titan, Titan X, K40, K80.
例子
1.只针对Windows系统，下载编译好的caffe mex文件，命令：
fetch_data/fetch_caffe_mex_windows_vs2013_cuda75.m
2. 下载R-FCN框架在VOC07+12trainval上训练的ResNet-101模型，命令fetch_data/fetch_demo_model_ResNet101.m
3. 运行rfcn_build.m.
4. 运行 startup.m.
5. 在示例图片上做检测，命令
experiments/script_rfcn_demo.m
训练和测试的准备工作
1. 只针对Windows系统，下载编译好的caffe mex文件，命令：
fetch_data/fetch_caffe_mex_windows_vs2013_cuda75.m
2. 下载ImageNet上预训练的ResNet-50 net，命令
fetch_data/fetch_model_ResNet50.m
3. 下载ImageNet上预训练的ResNet-101 net，命令fetch_data/fetch_model_ResNet101.m
4. 下载与计算的region proposal，命令fetch_data/fetch_region_proposals.m
5. 下载 VOC 2007和2012 数据集放到 ./datasets目录.
6. 运行rfcn_build.m.
7. 运行startup.m.
训练和测试
1. 在ResNet-50 net模型上训练，用OHEM算法, selective search产生proposals，精确率大概~75.4% ，命令experiments/script_rfcn_VOC0712_ResNet50_OHEM_ss.m
2. 在ResNet-50 net模型上训练，用OHEM算法, RPN产生proposals (proposal产生也用ResNet-50 net)，平均精度~77.4%，命令experiments/script_rfcn_VOC0712_ResNet50_OHEM_rpn.m
3. 在ResNet-101 net模型上训练，用OHEM算法, RPN产生proposals (proposal产生也用ResNet-101 net)，平均精度~79.5%，命令experiments/script_rfcn_VOC0712_ResNet101_OHEM_rpn.m
4. 其他的操作在 ./experiments 下找