CRAFT：基于matlab edge源代码的CVPR2016论文“图像中的对象”代码。

简介：
该MATLAB的edge源代码自述文件，其中包含的代码已发表在CVPR2016论文中。简而言之，我们对传统的两阶段对象检测框架——即首先进行对象定位提案，随后对这些提案进行类别分类——进行了扩展，将其转化为一个四阶段管道。在这个管道中，提案定位任务借助区域提议网络（RPN）的级联网络来解决，同时为了提升提案质量，我们还采用了快速R-CNN。而目标分类任务则由两个具有不同目标函数的快速R-CNN网络的级联网络负责处理，旨在消除不准确的积极提案。我们为该方法命名为“CRAFT”（“CascadeRpn和FasT-rcnn”的缩写），并在PASCALVOC07/12和ILSVRC数据集上展示了相对于FastR-CNN和FasterR-CNN基线的显著改进。关于更详尽的信息，请参考我们的文档。这些代码构建于（阶段1）和（阶段2、3、4）之上；如果您熟悉这两个项目，那么使用这些代码将更加便捷。这些代码已经在Ubuntu 14.04、配备256GB内存、TitanX GPU以及MATLAB R2015a环境下进行了测试。请遵循1_RPN提供的指南使用1_RPN的代码进行编码工作，并按照2_CasRPN和3中的说明使用稍作修改的代码来构建新的版本。