https:/github.complayerkkface-py-faster-rcnn。
上面的链接已经表明,可以使用预训练的模型。请在此输入图片描述
在下载了预训练的权重(一个.文件)之后,可以将一个带有网络定义的caffe.Net对象实例化(一个.文件)。caffemodel
文件),你可以用网络定义实例化一个caffe.Net对象 (.prototxt
文件--来自你所提到的存储库。测试.protxt),例如
net = caffe.Net(prototxt, caffemodel, caffe.TEST)
(我猜你想使用预训练模型进行推理,如果你想对你的数据进行转移学习,你应该使用 caffe.TRAIN
).
然后你应该加载图像,将其输入到输入的 blobs 中,运行 net.forward
并从输出的blobs中提取结果--如 net.blobs['cls_score'].data
, net.blobs['cls_prob'].data
和 net.blobs['bbox_pred'].data
.
你可以使用原来py-fast-rcnn的 演示 稍作调整。
好运