sinat_26269257的博客

在caffe根目录下，example/cpp_classification/文件夹下classification.cpp就是用c++实现分类的；caffe没有提供现成的实现检测的c++代码，因此本文主要是通过在caffe中新添加一个层RPN层，来实现c++目标检测算法；这里的检测模型是自己训练的检测试卷手写分数的检测模型。

这篇文章的主要目的是想把yolo转到caffe框架上去做检测，训练检测模型用的是github上https://github.com/yeahkun/caffe-yolo 的框架，训练了一个试卷中教师批注分数位置检测的模型，然后在用c++实现预测功能。环境配置ubuntu16.04上训练caffe-yolo模型windows操作系统实现预测功能编译工具Visual Studio 2013...

前不久验证了darknet框架下的检测预测项目，还有opencv3.4.2中yolov3的检测性能，在这里做一个记录对比。一些参考链接github-darknet地址yolo网站learn opencv笔记本配置这是作者的配置和实验结果，可以对比下我自己测试的检测性能结果...

*本博客主要是记录在caffe(添加了新层)框架上训练数字串识别算法crnn的模型，用VS2013封装一个识别数字串的接口。1. crnn模型训练框架：crnn.caffe在github上的地址数据准备：数据增强到了六万，只识别0~9，+，-，. 等（可能数据还没达到十万量级识别精度欠佳）模型训练：训练模型时需要resize到128*32，为了避免拉抻变形，所以这里需要在原始图片周围加...