CNN结构：Windows使用FasterRCNN-C++版本

参考文章：Windows下VS2013 C++编译测试faster-rcnn。

本文与作者的所写方法有些许不同，欲速则不达，没有按照作者的推荐方法，绕了个弯弯。

Windows版本纯C++版本的FasterRCNN比较难找,且懒得翻译Matlab版本代码，暂时可用的是这个项目：Windows下VS2013 C++编译测试faster-rcnn。

作者上传的faster-rcnn c++代码，链接https://github.com/zhanglaplace/Faster_rcnn_Cplusplus_vs2013，代码结合Matlab版本的faster-rcnn以及参考http://blog.csdn.net/oYangZi12/article/details/53290426?locationNum=5&fps=1 提供的代码。下载model，model文件可以从网盘下载，网盘链接：http://pan.baidu.com/s/1dF88JvV ，设置新建项目为启动项目，且只编译该项目。

1.重新编译Caffe库版本：

作者貌似给出了FasterRCNN的代码，且只给了FasterRCNN的代码，相关的Caffe依赖库并没有在源代码里直接给出。因此，参考：CNN：Windows下编译使用Caffe和Caffe2，直接使用Vs13的Caffe版本。

为什么VS15版本的不行，因为编译Caffe1-Vs15失败了，没能把roi_pooling_layer.cpp 编译进去。

1.1 可能错误：fast-r-cnn: caffe.LayerParameter“ has no field named ”roi_pooling_param。使用RBG版本的FasterRCNN和Caffe版本的源代码rbgirshick/caffe-fast-rcnn，仍然不能编译成功，没有包含ROI-Pooling的Win版本的代码。

排错方法：

1.在Vs13版本的工程中，添加已经存在的 roi_pooling_layer.cu roi_pooling_layer.cpp roi_pooling_layer.hpp到libCaffe工程，重新编译带RoiPooling的Caffe库。

2. 在src/proto/caffe.proto文件中，若不存在 roi_pooling_param ，则赋值 option roi_pooling_param = ID。取ID为一个与其他参数不重复的整数，我取其为152。

编译caffe完成后，在libcaffe后面加d，加入工程引用。

2. 测试

初始化错误，无法注册layer。

方法：去掉 //#include "register.h" 包含

程序运行可以完成。

3. 测试模型

在作者的网盘里面：网盘链接：http://pan.baidu.com/s/1dF88JvV ，下载模型。把模型文件添加后缀 .caffemodel，写入程序网络配置参数文件。

E:/DataSet/Caffe/FasterRCnn/models/proposal_test.prototxt
E:/DataSet/Caffe/FasterRCnn/models/proposal_final.caffemodel
E:/DataSet/Caffe/FasterRCnn/models/detection_test.prototxt
E:/DataSet/Caffe/FasterRCnn/models/detection_final.caffemodel

出现错误： "Unknown layer type: " << type input

修改方法：建立一个layer 文件夹，把MsCaffe相应的层的源文件添加到项目中，

4.重新编译，运行成功

总结：

结果：模型稍小，结果暂时不如YOLO2的检测结果。

另外，赞原作者

CNN结构：Windows使用FasterRCNN-C++版本相关推荐

CNN结构：StyleAI-图片风格分类效果已成（-FasterRCNN-FCN-MaskRCNN）
一.StyleAI CNN结构:图片风格分类效果已成.可以在色彩空间对图片风格进行分类,并进行目标分类. StyleAI构架:FasterRCnn + RandomTrees,使用opencv的随机森 ...
AI：IPPR的数学表示-CNN结构进化（Alex、ZF、Inception、Res、InceptionRes）
前言: 深度学习:sigmod.tanh.ReLU函数的优缺点-文章图文并举:文章:CNN的结构分析--: 文章:历年ImageNet冠军模型网络结构解析---: 文章:GoogleLeNet系列解 ...
CNN结构：用于检测的CNN结构进化-分离式方法
前言: 原文链接:基于CNN的目标检测发展过程文章有大量修改,如有不适,请移步原文. 参考文章:图像的全局特征--用于目标检测目标的检测和定位中一个很困难的问题是,如何从数以万计的候选 ...
解决Windows对JDK默认版本切换问题
解决Windows对JDK默认版本切换问题参考文章: (1)解决Windows对JDK默认版本切换问题 (2)https://www.cnblogs.com/ll409546297/p/659317 ...
Windows下Wireshark安装版本选择方式
Windows下Wireshark安装版本选择方式 Wireshark版本分为1.X系列和2.X系列.1.X系列是早期版本,不提供中文版本.2.X系列是新版本,安装后,同时提供中文版和英文版.根据系统 ...
windows 10 python哪个版本的好-windows支持哪个版本的python
Windows操作系统支持Python的Python2版本和Python3版本,下载安装时要根据windows的操作系统来选择对应的Python安装包,否则将不能安装成功. Python是跨平台的,免 ...
windows 2008 server R2 版本概览
版本概览每个Windows Server 2008 R2版本都提供了关键功能,用于支撑各种规模的业务和IT需求.点击以下的Logo或提供的链接,深入了解更多关于每个版本的知识. Windows Se ...
CNN结构基元：纹理结构和纹理基元方程化GLOH、Gabor...（Code）
模式识别专注于寻找相同模式的共性和不同模式的分离.CNN把特征提取全局化,其中重要的一个是纹理特征,利用卷积核来表示纹理基元,用以重现模式,应如何显示表示. 第一次使用纹理特征,2012年,使用了灰度 ...
卷积神经网络CNN要点：CNN结构、采样层、全连接层、Zero-padding、激活函数及Dropout
CNN结构: 卷积层:特征提取: 采样层:特征选择: 全连接层:根据特征进行分类. 采样层(pooling): max-pooling:克服卷积层权值参数误差: average-pooling:克服卷 ...

CNN结构：Windows使用FasterRCNN-C++版本

CNN结构：Windows使用FasterRCNN-C++版本相关推荐

最新文章

热门文章