网上可以找到许多TensorFlow的Mask-RCNN版本，现以github上一个Star较多的版本为例，介绍如何在C#中部署Mask-RCNN模型
1.同步Mask-RCNN的代码，地址为 https://github.com/matterport/Mask_RCNN.git
2.训练模型：
可以使用jupyter打开samples文件夹下的例子进行训练，也可以参考其例子训练自己的模型。目标是生存保存好权重的模型文件。模型每训练一个epochs 会在 model_dir=MODEL_DIR 设置好的文件夹下留下模型文件。具体训练方法就不累述了～～～
3.在VS里使用Nuget，给项目添加OpencvSharp 与 TensorflowSharp
继续阅读
opencvsharp 是 opencv的c#版本，近期有项目使用了opencvsharp来进行图像处理。这个github上星级很高的项目果然是不错的，运行起来比较稳定，没有出现大的问题。但opencvsharp中没有cuda的完整支持，只有最基本的类型支持，无任何算法支持，想用就只能靠自己添加了。作者的解释如下：
大概就是说cuda需要用户自己编译opencv ，没有一个统一版本的dll提供使用，所以就删除了cuda的支持
其实也对，cuda的使用涉及cuda版本，使用的显卡算力等。使用c++版本的opencv时，也是要自己编译的。
但c#上使用就没有办法了吗？还好作者已经打好了基础，提供了GpuMat的支持，并有大量cup版本的函数进行参考。添加起来还是比较容易的。
项目目录 https://github.com/shimat/opencvsharp
本文介绍了一种使用opencv + c++ 可以在生产环境下调用tensorflow pb文件进行预测的方法。
该方法不需要在生产环境下搭建python运行环境。 流程上相对简单清晰。如果要将神经网络/机器学习添加到几年前项目中，也比较简单可行。
本人使用的RsNet模型完全参考github上官方给出的demo训练生成。网址https://github.com/tensorflow/models
训练入口文件official/resnet/imagenet_main.py （主线版本 v1.8.1）
只定义了2个分类,具体的训练方法就不再累
训练完成后会在根目录生成一个imagenet_model文件夹，里面存储了模型文件（ckpt文件）。接下来需要将模型文件固化成pb文件。为了让opencv可以使用这个pb文件，需要定义好神经网络input入口与output出口
继续阅读
tensorflow在1.3后加入了官方的windows支持，可以使用cmake在vs2015下编译c++ library。但坑还是很多，简单整理了1.3版本编译及使用过程。并介绍了编译部分kernel的方法。其他版本也可参考进行编译。
编译版本为1.3，只cpu。带gpu的tensorflow可以用1.5以后的版本。
编译前准备
组件下载或安装
1.CMake version 3.5以上
2.git (http://git-scm.com)
3.swig (http://www.swig.org/download.html)
4.Visual Studio 2015
5.Python 3.5 64-bit (选择添加安装lib文件)
6.NumPy 1.11.0 以上
注意事项：CMake 与 git安装时需要将其加入到环境变量中，否则后续编译过程中会出现找不到相关程序的错误
编译过程
1.设置vs使用64位的编译工具(否者有一定概率报out-of-memory的错误)