夏桂松团队AID数据集相关代码执行问题
demo_low_level_features_aid.m, 执行相对比较顺利，按要求配置好对应的目录，准备好数据，修改部分路径即可；
demo_mid_level_features_aid.m 执行时候，首先出现问题的是 GetClusteringSet_aid;执行错误，后来输出中间变量发现是因为下载的数据集解压时候缺少数据造成的，后来又重新下载解压，该问题解决；然后是vlfeat使用问题，折腾了很久。
编译一直不过，后来换了一个最新版本，并安装vs2015专业版后，重新编译 安装成功。。。。。。。。。。。。。。
好费事。。。。。
vlfeat最新版编译后结果
在VLFeat官网上是这么介绍VLFeat的：VLFeat开源库实现了很多著名的机器视觉算法，如HOG, SIFT, MSER, k-means, hierarchical k-means, agglomerative information bottleneck, SLIC superpixels, 和 quick shift。VLFeat开源库是用C语言写的，以确保其效率和兼容性，同时VLFeat还提供了MATLAB接口和详细的文档。它可以在windows, Mac, 和Linux上使用。
言归正传，以下介绍vlfeat在mathlab中的配置方法：
一、首先应准备的东西：
1. Matlab软件（我使用的mathlab是2013b试用版的）
2. vlfeat文件，可以是二进制包，也可以是源码。如果使用windows平台的话，推荐使用二进制包。
二进制包的下载地址可以从官网下载，也可以从我的个人网盘下载：
官网地址：http://www.vlfeat.org/download/vlfeat-0.9.20-bin.tar.gz（我使用的是随源码直接下载的内容）
我的个人网盘地址：http://pan.baidu.com/s/1c0zPSqs
二、安装
1. 将所下载的二进制包解压缩到某个位置，如D:\盘
2. 打开matlab，输入edit startup.m创建启动文件startup.m
3. 在startup.m中编辑发下内容（注意，如果将vlfeat安装在不同的地方，需要将以下的”D:\”改为你所安装的地址）：
|
4. 保存并关闭startup.m文件，重新打开matlab程序，安装即成功（安装成功后，不能删除vlfeat解压后的文件夹，因为vl_setup只是 将vlfeat的toolbox的地址加到matlab的path里面，使得matlab可以使用vlfeat toolbox）
等他运行完成后可以在MATLAB里输入vl_version verbose。配置成功的话就是下面的效果啦~
终于成功了好嗨森是不是~~~~~~博主还要嘱咐一句，为了以后能一打开MATLAB就能麻溜儿的用起来vlfeat，宝宝们还要多做一步：把刚才的run('D:/codingtool/library/vlfeat-0.9.20/toolbox/vl_setup');语句保存成一个叫做startup.m的m文件，放在你的MATLAB打开时的那个路径下（好像叫做启动路径吧），博主一打开MATLAB是这样的路径，所以你看startup就被我放在这里了。
中间报错，具体解决：
按照教程安装完vlfeat-0.9.20后，在MATLAB运行程序，出现“Invalid MEX-file ‘E:\vlfeat-0.9.20\toolbox\mex\mexw64\vl_svmtrain.mexw64’: 找不到指定的模块”。但是这个文件确实存在，为什么找不到呢？按照网上的办法：
1、在MATLAB中运行E:\vlfeat-0.9.20\toolbox文件夹下的vl_compile.m，重新编译mex文件，但是未解决问题。
2、网上说缺少DLL文件，需要把msvcr100.dll文件复制到system32下。我发现在E:\vlfeat-0.9.20\toolbox\mex\mexw64文件夹下确实有msvcr100.dll和vl.dll两个文件，但是我的C:\Windows\System32和SysWOW64目录下已经存在msvcr100.dll文件，于是只是把vl.dll文件复制到这两个目录下，没想到居然成功了。可能还是动态链接库有问题吧。
（vlfeat-0.9.20安装教程参考：
http://www.cnblogs.com/woshitianma/p/3872939.html）
还有好多问题待续。。。。。
demo_mid_level_features_aid.m 由于llc单独成一个目录 和vlfeat自带的里面 有两个文件，导致执行mid时候提示出错，吧对应三个文件放到 code目录下即可解决
llc文件夹中的内容
标题vlfeat中的两个文件
demo_high_level_features_aid.m
Scene Benchmark Code
Authors: Jingwen Hu, Wuhan University ([email protected])
Copyright 2016, all rights reserved.
Release: v2.0
Licence: Research only (for now)
Please cite the paper if you use the code or the dataset:
Xia G S, Hu J, Hu F, et al. AID: A Benchmark Dataset for Performance Evaluation of Aerial Scene Classification[J]. 2016.
Further details can be found on the project website: AID_project.html
========================================================================
Requirements:
=============
1. VLFeat (http://www.vlfeat.org/);
2. GIST (http://people.csail.mit.edu/torralba/code/spatialenvelope/);
3. matconvnet (http://www.vlfeat.org/matconvnet/);
4. liblinear (https://www.csie.ntu.edu.tw/~cjlin/liblinear/);
5. CNN models (http://www.vlfeat.org/matconvnet/pretrained/).
Steps:
=====
1. Extract the codes and datasets to the corresponding directory;
2. Download the pre-trained CNN models and place them under <./cnn_models>;
3. Compile vlfeat, gist, matconvnet and liblinear, and place them under
4. Run the matlab file demo_low_level_features_aid.m, demo_mid_level_features_aid.m and
demo_high_level_features_aid.m to extract the low/mid/high-level features of the dataset;
5. Run the matlab file SVMClassification_aid.m and SVMConfMat_aid.m to see the classification results.
Data:
=====
AID dataset