深度学习之Windows下安装faster-rcnn

去年下半年看了相关目标检测的论文，一些传统的算法，一些CVPR,TPAMI,ECCV,ICCV,,NIPS,比较前沿的进展，主要都是基于深度学习卷积神经网络方面的，包括RCNN,SPP-NET,Fast-RCNN,Faster-RCNN,以及YOLO,SSD，然后明天准备正式开始搞学术了，争取早点把论文发出来。

趁着放假回家的时间，做点前期准备工作，深度学习方面的框架有caffe，torch，mxnet，kerse，还有最近比较大热的TensorFlow，感觉tf会持续popular，所以准备搭建一个玩玩，但是相关比较新的目标检测框架都是首先基于caffe开发的，caffe对于图像方面的库比较多，稳定，所以搭建一个caffe也是必不可少，好像tf也是可以调用caffe框架模型的（没用过）。

装双系统之step one：http://blog.csdn.net/jasonzhangoo/article/details/54865974

装显卡驱动之step two（很多同学都是因为这步而放弃深度学习的）：http://blog.csdn.net/jasonzhangoo/article/details/54866049

Ubuntu16.04下安装caffe和TensorFlow的cpu版本之step three：http://blog.csdn.net/jasonzhangoo/article/details/54866074

Win10下安装caffe的GPU版本之step four：http://blog.csdn.net/jasonzhangoo/article/details/54866120

windows安装配置faster-rcnn之step five：http://blog.csdn.net/jasonzhangoo/article/details/54866174

windows安装配置faster-rcnn之step five：

Faster-RCNN源码下载地址：

Matlab版本：https://github.com/ShaoqingRen/faster_rcnn

Python版本:https://github.com/rbgirshick/py-faster-rcnn

本文用到的是Matlab版本，在Windows下运行。

经过之前安装过CUDA，VS2013和Matlab。

另外在下载的faster-rcnn中需要有自己编译的external文件夹才可以使用如果你的cuda是6.5，那么运行一下fetch_data/fetch_caffe_mex_windows_vs2013_cuda65.m ，当然不同的CUDA版本需要不同的编译版本，最好自己编译一下，我的是CUDA8.0，可以用

下载地址：Faster-RCNN(Matlab) external文件夹

 

测试过程：

如果重新训练的话需要很长的时间，这里可以先下载训练好的模型可以用百度云下载：https://pan.baidu.com/s/1hsFKmeK ，解压到faster_rcnn-master下

（1）运行faster_rcnn-master\faster_rcnn_build.m

（2）运行faster_rcnn-master\startup.m

（3）修改faster_rcnn-master\experiments\script_faster_rcnn_demo.m的model_dir为你下载的模型，最好注释掉VGG16比较慢，选用ZF，然后运行。

最终得到：