基于FPGA的卷积深度网络加速---2

上一篇了解了基本CNN网络结构
现在进一步学习一下目标检测网络SSD，SSD的网络结构这里就不赘述，需要了解的可以自行查找。

在导入SSD的模型时，出现Normalize或Permute层就会导致matlab死机，怀疑是caffe在编译的时候有问题，决定重新编译码matcaffe.重新编译后还是一样不行，后来查看了caffe的layer文件，里面没有Normalize和Permute层，需要添加，在github下载了intel的caffe，添加了相关文件，可以载入Normalize和Permute层。
继续往下，发现prior_box_layer和DetectionOutput层也不能载入，继续按照之前的方法添加。
参考网址：
https://blog.csdn.net/sinat_35308776/article/details/79691039
https://blog.csdn.net/qq745021926/article/details/71698680
https://blog.csdn.net/lqp888888/article/details/77943837
cmd打开windows下命令行，将proto.exe和caffe.proto放置在同一文件夹下
命令行打开至该文件夹下
protoc.exe caffe.proto --cpp_out=.

DetectionOutput无法添加成功，暂时不添加了，不影响SSD的运行

查看网络结构netscope
http://ethereon.github.io/netscope/#/editor
在github上找到一个版本
https://github.com/fanyang16120029/SSD-Single-Shot-Detector-in-Matlab
这个版本将训练好的caffemodel（VGG_VOC0712_SSD_300x300_iter_240000.caffemodel）转成.mat文件用于目标检测。按照他们的方法，我将卷积后的数据直接取出来，不取Permute之后的数据，用这种方法可以实现目标检测，效果如下图：

再次编译detection_output_layer 注释以下内容编译通过


使用res10_300x300_ssd_iter_140000.caffemodel SSD人脸检测网络检测人脸，效果如下：

效果还不错

再验证之前的目标检测网络效果：

效果也挺好，说明之前的网络bbox计算有问题；

371132449@qq.com