Faster-RCNN的实现 准备 先决条件：Python> = 3.6和Pytorch> = 1.6 安装 数据集应为VOC格式，数据目录应如下所示 |---your dataset name |---Annotations |---JPEGImages 训练模型 sh train.sh 推论模型 python demo.py

里面的代码是faster rcnn endtoend 的代码，基于resnet50改写的

Matlab写的faster rcnn

基于faster rcnn 的人脸检测，带训练好模型。以及训练程序和测试程序

基于TensorFlow框架、Faster RCNN模型、SSM框架(SpringMVC+Spring+Mybatis)的实时行人检测系统-附件资源

faster-rcnn.pytorch-pytorch-1.0 实现可行。

检测图像目标的源程序 在kersa框架下运行。window即可

本模型是在ImageNet预训练好的resnet模型。作为faster RCNN的backbone网络参数使用。有参考https://github.com/jwyang/faster-rcnn.pytorch等人的项目开始入手faster RCNN的朋友可以下载这个模型。

FasterRCNN预训练模型

五．复现代码过程 由于官网上的程序是在Liunx系统上的实现，我们要在windows系统需要改一下程序。 1.安装软件：Anaconda3-2019.10-Windows-x86_64，pycharm-professional-2019.3.2，qt-opensource-windows-x86-5.12.0 安装包链接：https://pan.baidu.com/s/1BhGMsln6ZIGkw-XHp0yFdA 提取码：9yjx 2.安装GPU加速器:Cuda10.0+Cudnn7.4.2 安装包链接：https://pan.baidu.com/s/1eS5D6NV2jddcjj5tvai