hevc++matlab,CNN结构：Windows使用FasterRCNN-C++版本

本文与作者的所写方法有些许不同，欲速则不达，没有按照作者的推荐方法，绕了个弯弯。

Windows版本纯C++版本的FasterRCNN比较难找,且懒得翻译Matlab版本代码，暂时可用的是这个项目：Windows下VS2013 C++编译测试faster-rcnn。

1.重新编译Caffe库版本：

作者貌似给出了FasterRCNN的代码，且只给了FasterRCNN的代码，相关的Caffe依赖库并没有在源代码里直接给出。因此，参考：CNN：Windows下编译使用Caffe和Caffe2，直接使用Vs13的Caffe版本。

为什么VS15版本的不行，因为编译Caffe1-Vs15失败了，没能把roi_pooling_layer.cpp 编译进去。

排错方法：

在Vs13版本的工程中，添加已经存在的   roi_pooling_layer.cu roi_pooling_layer.cpp  roi_pooling_layer.hpp到libCaffe工程，重新编译带RoiPooling的Caffe库。

编译caffe完成后，在libcaffe后面加d，加入工程引用。

2. 测试

初始化错误，无法注册layer。

方法：去掉 //#include "register.h"  包含

程序运行可以完成。

3. 测试模型

在作者的网盘里面：网盘链接：http://pan.baidu.com/s/1dF88JvV ，下载模型。把模型文件添加后缀  .caffemodel， 写入程序网络配置参数文件。

E:/DataSet/Caffe/FasterRCnn/models/proposal_test.prototxt

E:/DataSet/Caffe/FasterRCnn/models/proposal_final.caffemodel

E:/DataSet/Caffe/FasterRCnn/models/detection_test.prototxt

E:/DataSet/Caffe/FasterRCnn/models/detection_final.caffemodel

出现错误： "Unknown layer type: " << type  input

修改方法： 建立一个layer 文件夹，把MsCaffe相应的层的源文件添加到项目中，

4.重新编译，运行成功

总结：

结果：模型稍小，结果暂时不如YOLO2的检测结果。

另外，赞原作者