VGG_Imagenet_Weights_GrayScale_Images 为灰度图像转换VGG imagenet的预训练权重。 2种方法： 将图像转换为灰度，将灰度通道复制2次以使图像成为3D图像。 将VGG16的第一个卷积层的权重转换为适应灰度图像。 例如：VGG16的block1_conv1内核的尺寸：（3、3、3、64）->（高度，宽度，in_channels，out_channels）。 默认情况下，in_channels对应于您的训练图像具有的通道数。 由于VGG16在具有RGB图像的Imagenet上进行了预训练，因此in_channels为3。该想法是提取这些权重值，对滤镜进行加权平均（按通道），并将这些值分配给block1_conv1_kernel，st尺寸变为（3 ，3、1、64）。 亮度公式用于计算加权平均值：值：（feature_red * 0.2989）

用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第三部分，下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用

用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第二部分，下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用

用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第一部分，下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用

VGG_imagenet.npy，亲测有效，需要的大家可以下载下来用

vgg16的Imagenet模型，由于google背墙，特分享一份以备份。

vgg_imagenet.npy vggnet_fast_rcnn_iter_7000.ckpt 因为github指示地址需要，我保存在百度网盘上的

python ./faster_rcnn/train_net.py --gpu 0 --restore 0 --weights ./data/pretrain_model//VGG_imagenet.npy --imdb voc_2007_trainval --iters 70000 --cfg ./experiments/cfgs/faster_rcnn_end2end.yml --network VGGnet_train --set EXP_DIR exp_dir