实现RCNN的源码，主要用于进行目标自动识别和人脸识别

Keras框架：faster-rcnn目标检测算法实现

matlab建立汽车模型代码免责声明 官方 Faster R-CNN 代码（用 MATLAB 编写）可用。 如果您的目标是在我们的 NIPS 2015 论文中重现结果，请使用 . 此存储库包含 MATLAB 代码的 Python重新实现。 这个 Python 实现建立在 . 两种实现方式略有不同。 特别是这个 Python 端口 在测试时慢约 10%，因为某些操作在 Python 层的 CPU 上执行（例如，220 毫秒/图像与 VGG16 的 200 毫秒/图像） 给出与 MATLAB 版本相似但不完全相同的 mAP 由于细微的实现差异，与使用 MATLAB 代码训练的模型不兼容 包括比交替优化（对于 VGG16）快 1.5 倍的近似联合训练——有关更多信息，请参阅这些 Faster R-CNN：使用区域提议网络实现实时目标检测 作者：Shaoqing Ren、Kaiming He、Ross Girshick、Jian Sun（微软研究院） 这个 Python 实现包含 Sean Bell (Cornell) 在 MSR 实习期间编写的贡献。 详情请看官方。 Faster R-CNN

目标检测的开山之作RCNN（cvpr2014），中文翻译我已经过校对。

pytorch-mask-rcnn 这是的Pytorch实现，大部分基于Matterport的 。 Matterport的存储库是在Keras和TensorFlow上的实现。 自述文件的以下部分摘自《 Matterport自述文件》。 有关要求的详细信息，有关此存储库的MS COCO培训和检测结果的信息，请参见文档末尾。 Mask R-CNN模型为图像中对象的每个实例生成边界框和分割蒙版。 它基于功能金字塔网络（FPN）和ResNet101主干网。 接下来的四幅图像显示了检测管道中的不同阶段： 1.锚点排序和过滤 区域提议网络提议可能属于某个对象的边界框。 可以看到正锚和负锚以及锚框的细化。 2.边界框优化 这是最终检测框（虚线）的示例，并在第二阶段对其进行了改进（实线）。 3.遮罩生成 生成的蒙版示例。 然后将它们缩放并放置在正确位置的图像上。 4.将不同的部分组合成最终结果 要求

mask rcnn的.pb模型文件和.pbtxt文件，还有mask rcnn对应的颜色信息和标签信息

Faster-RCNN-Tensorflow 的实现-附件资源

陈云faster-rcnn之RPN .drawio

目标检测之Faster RCNN介绍，从RCNN讲起，是我做组会时报告做的，讲话内容写在备注里，ppt的图和内容参考了其他大佬的，根据自己的理解整理得来，适合做RCNN这方面报告的人参考

著名的voc2007数据集，做目标检测的任务时常会用到，但官网下载有时比较慢~所以我把资源传到了我的百度网盘，要下载的朋友可以访问我的网盘地址~