純C++版的Faster-Rcnn（通過caffe自定義RPN層實現）

這裡介紹的是通過新增自定義層（RPN層）代替python層，實現c++版的faster-rcnn，因為去掉python了，所以部署時不會因為牽扯到python庫等其它的莫名其妙的錯誤，使用起來就跟單純的caffe一樣，更簡單方便。核心程式碼，借鑑的是這篇部落格，這裡的話，我們不扣具體的程式碼細節（比如rpn層是怎麼產出候選框啊，非極大值抑制是具體怎麼實現的等等），有興趣的可以自己查下資料，所以主要是走一個步驟，從而完成c++版faster-rcnn的配置。

步入正題，步驟和上面那篇部落格大致一樣，但它有一些細節地方直接忽略了，程式碼也有幾處小bug，所以我把具體的流程給說下。

（1）新增自定義層 rpn_layer.hpp 把它放在 caffe/include/caffe/layers/ 目錄下

#ifndef CAFFE_RPN_LAYER_HPP_
#define CAFFE_RPN_LAYER_HPP_
#include <vector>
#include "caffe/blob.hpp"
#include "caffe/layer.hpp"
#include "caffe/proto/caffe.pb.h"
//#include"opencv2/opencv.hpp"
#define mymax(a,b) ((a)>(b))?(a):(b)
#define mymin(a,b) ((a)>(b))?(b):(a)
namespace caffe {
/**
* @brief implement RPN layer for faster rcnn
*/
template <typename Dtype>
class RPNLayer : public Layer<Dtype> {
public:
explicit RPNLayer(const LayerParameter& param)
: Layer<Dtype>(param) {
m_score_.reset(new Blob<Dtype>());
m_box_.reset(new Blob<Dtype>());
local_anchors_.reset(new Blob<Dtype>());
}
virtualvoid LayerSetUp(const vector<Blob<Dtype>*>& bottom,
const vector<Blob<Dtype>*>& top);
virtualvoid Reshape(const vector<Blob<Dtype>*>& bottom,
const vector<Blob<Dtype>*>& top){}
virtualinlineconstchar* type() const { return"RPN"; }
struct abox{
Dtype batch_ind;
Dtype x1;
Dtype y1;
Dtype x2;
Dtype y2;
Dtype score;
bool operator <(const abox&tmp) const{
return score < tmp.score;
}
};
protected:
virtualvoid Forward_cpu(const vector<Blob<Dtype>*>& bottom,
const vector<Blob<Dtype>*>& top);
//virtual void Forward_gpu(const vector<Blob<Dtype>*>& bottom,
//const vector<Blob<Dtype>*>& top);
virtualvoid Backward_cpu(const vector<Blob<Dtype>*>& top,
const vector<bool>& propagate_down, const vector<Blob<Dtype>*>& bottom){};
int feat_stride_;
int base_size_;
int min_size_;
int pre_nms_topN_;
int post_nms_topN_;
float nms_thresh_;
vector<int> anchor_scales_;
vector<float> ratios_;
vector<vector<float> > gen_anchors_;
int *anchors_;
int anchors_nums_;
int src_height_;
int src_width_;
float src_scale_;
int map_width_;
int map_height_;
shared_ptr<Blob<Dtype> > m_score_;
shared_ptr<Blob<Dtype> > m_box_;
shared_ptr<Blob<Dtype> >local_anchors_;
void generate_anchors();
vector<vector<float> > ratio_enum(vector<float>);
vector<float> whctrs(vector<float>);
vector<float> mkanchor(float w,float h,float x_ctr,float y_ctr);
vector<vector<float> > scale_enum(vector<float>);
//cv::Mat proposal_local_anchor(int width, int height);
void proposal_local_anchor();
void bbox_tranform_inv();
cv::Mat bbox_tranform_inv(cv::Mat local_anchors, cv::Mat boxs_delta);
void nms(std::vector<abox> &input_boxes, float nms_thresh);
void filter_boxs(cv::Mat& pre_box, cv::Mat& score, vector<abox>& aboxes);
void filter_boxs(vector<abox>& aboxes);
};
} // namespace caffe
#endif // CAFFE_RPN_LAYER_HPP_

然後是原始檔 rpn_layer.cpp 放在 caffe/src/caffe/layers/ 目錄下

#include <algorithm>
#include <vector>
#include "caffe/layers/rpn_layer.hpp"
#include "caffe/util/math_functions.hpp"
#include <opencv2/opencv.hpp>
int debug = 0;
int tmp[9][4] = {
{ -83, -39, 100, 56 },
{ -175, -87, 192, 104 },
{ -359, -183, 376, 200 },
{ -55, -55, 72, 72 },
{ -119, -119, 136, 136 },
{ -247, -247, 264, 264 },
{ -35, -79, 52, 96 },
{ -79, -167, 96, 184 },
{ -167, -343, 184, 360 }
};
namespace

相關推薦

純C++版的Faster-Rcnn（通過caffe自定義RPN層實現）

這裡介紹的是通過新增自定義層（RPN層）代替python層，實現c++版的faster-rcnn，因為去掉python了，所以部署時不會因為牽扯到python庫等其它的莫名其妙的錯誤，使用起來就跟單純的caffe一樣，更簡單方便。核心程式碼，借鑑的是這篇部落格，這裡

純C++版500VIP源碼下載的Faster R-CNN（通過caffe自定義RPN層實現）

方便預測大致 ole test cto oop 可執行文件 names 這裏500VIP源碼下載 dsluntan.com 介紹的是通過添加自定義層（RPN層）代替python層，實現c++版的Faster R-CNN，因為去掉python了，所以部署時不會因為牽扯到p

純C++版的Faster R-CNN（通過caffe自定義RPN層實現）

這裡介紹的是通過新增自定義層（RPN層）代替python層，實現c++版的Faster R-CNN，因為去掉python了，所以部署時不會因為牽扯到python庫等其它的莫名其妙的錯誤，使用起來就跟單純的caffe一樣，更簡單方便。核心程式碼，借鑑的是這篇

C++版Faster R-CNN（caffe自定義RPN層實現）個人見解問題分析記錄

本文是在實現https://blog.csdn.net/zxj942405301/article/details/72775463這篇部落格裡面的程式碼時遇到的一些問題，然後理解分析記錄在此。前面的程式碼部分按照步驟進行應該不會有錯，有一個提示的地方是在caffe.proto

windows下的純c++版 Faster R-CNN

效果如下圖：同時版本經過大幅度效能優化，在GeForce GTX TITAN X顯示卡上，對於VGG16模型的速度是16.6fps左右。 *****************************分割線*************************

[目標檢測]windows下實現c++版faster-rcnn

本版本根據windows下matlab版改寫而來。工程可到http://download.csdn.net/detail/oyangzi12/9692597 下載。程式預設使用GPU模式，如果沒有GPU只需在程式中將caffe設定為cpu模式。使用方法：1、配置opencv，

windows下實現c++版faster-rcnn

本文主要參考：http://blog.csdn.net/oYangZi12/article/details/53290426?locationNum=5&fps=1 1.下載微軟提供的caffe(https://github.com/Microsoft/c

IOS xib在tableview上的簡單應用（通過xib自定義cell）

make aso eat 常用 last creat path ins div UITableView是一種常用的UI控件，在實際開發中，由於原生api的局限，自定義UITableViewCell十分重要，自定義cell可以通過代碼，也可以通過xib。這篇隨筆介紹的是通過

web專案Log4j日誌輸出路徑配置問題問題描述：一個web專案想在一個tomcat下執行多個例項（通過修改war包名稱的實現），然後每個例項都將日誌輸出到tomcat的logs目錄下例項名命名的文

問題描述：一個web專案想在一個tomcat下執行多個例項（通過修改war包名稱的實現），然後每個例項都將日誌輸出到tomcat的logs目錄下例項名命名的資料夾下進行區分檢視每個例項日誌，要求通過儘可能少的改動配置檔案，最好修改例項名後可以不修改log4j的配置檔案。實現分析：一般實現上面需求，需要在修

C# Winform 窗體美化（十、自定義窗體）

十、自定義窗體寫在前面最近在做 winform 應用程式，需要自定義一種視窗的樣式，所以就隨便搞了一個簡單的視窗。效果圖有兩種樣式，介面如下：無標題：有標題：關鍵詞 1、黑色描邊邊框對於視窗去掉原生的邊框

C++ 類模板小結（雙向連結串列的類模板實現）

一、類模板定義定義一個類模板：template<class 模板引數表> class 類名｛ // 類定義．．．．．．｝；其中，template 是宣告類模板的關鍵字，表示宣告一個模板，模板引數可以是一個，也可以是多個，可以是型別引數，也可以是非型別引數。型

求兩個整數的最大公約數和最小公倍數（通過呼叫自定義函式實現）

>#define _CRT_SECURE_NO_WARNINGS #include<stdio.h> int yue(int x, int y); //int yue_2(int

SpringMVC框架（1）之（1.3 自定義引數繫結）

一、自定義引數繫結-屬性編輯器（不推薦）問題：① 4.1 itemsList.jsp 中增加顯示 “訂購日期” 屬性；② JSP頁面中日期拿到的是字串，而提交到Controller中POJO類ItemsCustom 屬性物件的日期欄位要變成Date型別，即字串轉換成日期型別，無法自動轉

spring security 5.x 使用及分析（二：自定義配置—初階）

二、自定義配置（初階）：自定義的配置，就要修改一些預設配置的資訊，從那開始入手呢？ 1、第一步：建立Spring Security 的Java配置，改配置建立一個名為springSecurityFilterChain的servlet過濾器，它負責應用程式的安

Oracle自定義函式實現動態引數複製表（使用了自定義type以及pipelined）

（作者：陳玓玏）之前試了一下，想用自定義函式及遊標實現動態傳入引數，確實可以，但是輸出結果總是不能成表格。查了一圈，Oracle自定義函式好像是不能直接在SQL語句中寫create as select和insert into這些功能的，但是後來的版本中提供了

HttpClient正確設定Host的姿勢（不需要自定義DNS解析類）

因為有負載均衡的考慮，前端用了nginx反向代理。兩個域名雖然IP相同，但是如果不設定hosts檔案，直接通過IP，是會返回404的。所以需求就是這樣，不設定hosts檔案，而正確訪問到對應的域名。其實訪問的IP是一樣的，只是request header的Host不一

caffe版faster-RCNN環境搭建

mit argument .com tail uil check otto pip __init__ faster-rcnn提出論文：《Faster R-CNN: Towards Real-Time Object Detection with Region Propo

七扭八歪解faster rcnn（keras版）（四）

def get_data(input_path): all_imgs = {} classes_count = {} class_mapping = {} with open(input_path,'r') as f: pr

用於Unity(windows\iOS\安卓)的純C版LZMA壓縮演算法庫（dll .so和.a）

人生苦短，道阻且艱；修行不易，且行且努力。【專業擅長領域】：iOS開發，遊戲開發，圖形學【擅長平臺】：iOS平臺，Unity --------------------------------------------------------- 【個人主頁】：信厚

Keras版Faster-RCNN程式碼學習（IOU，RPN）1

config.py from keras import backend as K import math class Config: def __init__(self): self.verbose = True

純C++版的Faster-Rcnn（通過caffe自定義RPN層實現）

相關推薦