论文全名：[2015](HED_FCN)Holistically-Nested Edge Detection.pdf

代码下载地址：https://github.com/s9xie/hed

附上一篇个人认为写的比较好的论文笔记：http://blog.csdn.net/u012905422/article/details/52782615

注意事项：

从github下载下来的程序，是自带caffe的，也就是说，程序采用的caffe并非最新的caffe官网的caffe

而是旧版的caffe，旧版的caffe文件就在hed-master目录下，

可以参考官方caffe目录下的文件配置，网络文件分别位于examples,distribute,python,tools,src,python.include,docs

hed的旧版caffe与官方的caffe类似，分别位于hed-master目录下的examples,distribute,python,tools,src,python,include,docs内

hed-master目录其实就是旧版caffe，hed的网络文件在examples目录下的hed目录内，仅此而已。

旧版caffe与新版caffe存在差别，在此声明，此处所说的新版caffe仍然是caffe1，不过这个旧版caffe，是在caffe1之前的版本，

包括ImageLabelmapData数据层（caffe1中已经删除该层），

并且，论文作者针对自己的程序对网络进行了改造，具体为crop为自动计算offset而不需指定，裁剪为中心裁剪

总之，在跑这篇论文的程序之前，一定要编译这个程序自带的caffe，而且，程序支持cudnn3，不支持cudnn4，

如果你是cudnn4，那么你可以卸载cudnn4安装cudnn3，或者在编译程序自带的caffe时候，在修改Makefile.config时候注释掉cudnn

详细步骤：

1.从github上下载程序

下载zip文件后，解压，把整个压缩包丢进你的服务器（我是在服务器上跑的）

2.编译程序自带的caffe

笔者针对新手仔细说下怎么编译，如果对编译caffe聊熟于心可以跳过这一步

编译caffe：

首先，cd进入到hed-master文件夹目录下

这时候执行以下几句代码

cp Makefile.config.example Makefile.config

vim Makefile.config(这句代码根据自己情况选择，如果需要修改相关设定，就使用这句，例如，你的cudnn是cudnn4，你不想换成cudnn3，那你只能在跑这个程序时候不使用cudnn，这时候就执行这句程序，注释掉cudnn)
make all
make test
make runtest

make pycaffe

以上，caffe编译结束

3.下载程序所需的model，数据集等

在下载程序的网址，也就是https://github.com/s9xie/hed里，在下面，页面下面，有所需要的model和数据集的下载地址

根据提示，把下载好的model，数据集丢到指定位置

4.cd到hed-master/examples/hed

执行solve.py

也就是 python solve.py就行了

如果提示

什么Imagedata或者shuffle 了 程序dump了 0个data啦就去你的examples/hed文件夹

打开

train_val.prototxt

可以看到两个root_folder,两个source

把这里修改成你自己的路径，也就是在第3步 下载的那个1.2G的数据文件在哪里 就把这俩路径换到那里

5.在执行solve.py时候，如果出现no module named caffe

等之类的问题 需要检查一下 solve.py中的caffe的路径

可以参照本人的程序

将sys.path.append('/home/wangkun/hed-master/python')

这里换成自己的路径 记得路径最后要指向下载的程序文件夹里的python文件夹

关于如何测试单张图片，可以见 http://blog.csdn.net/wangkun1340378/article/details/70154492

以上，就是在跑hed程序过程中遇到的问题 期间遇到很多困难，折腾了3天，

一度认为问题解决不了 不过最后还是解决了

感谢yhl_leo 光彩盛年 与人不争  踏雪霏鸿 梦 云中的承诺 诸位热心人士帮助