ubuntu14.04配置SSD物体识别检测环境运行demo
目前假定你已经安装好cuda与caffe环境，以及很多的依赖项。如果没有安装，可以参考我之前的博客：
ubuntu14.04+cuda7.5安装 官方步骤版
ubuntu14.04+cuda7.5+caffe+cudnn7.5+anaconda+opencv 2.4.9系统整合（2016.12.3）
1、拷贝
ssd工程github地址：https://github.com/weiliu89/caffe/tree/ssd
git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd第三步如果输出分支则安装成功
2、编译caffe
首先终端 cd caffe
cp Makefile.config.example Makefile.config在Makefile.config中修改部分内容
注意一下几点（这是GPU配置，如果是cpu请参考我之前博客ubuntu14.04在cpu上配置caffe以及py-faster-rcnn环境（可在odroid上实现） ）：
①打开 USE_CUDNN := 1
② WITH_PYTHON_LAYER := 1
③如果你是嵌入式NIVIDIA Jetson TX1 or TX2开发，注意都把CUDA_ARCH :这一段里的数字全改成52（这两个板子计算能力都是52）
当然你如果有需要还可以打开anaconda、matlab等接口
之后在caffe目录下建立一个build文件夹，方便管理
mkdir build之后
cmake ..
make -j16
make install
make pycaffe
make runtest其中第二步根据自己的处理器线程来确定，处理能力差的可以去掉后面的-j16。且make runtest非必须步骤，只是用来检测你是否编译成功。这时候可以cd 到 /caffe/python目录下
python
import caffe看检测caffe是否安装成功
3、下载数据集
在home目录下建立一个data文件夹。ssd中配置文件中已经指定了data文件的位置，就是 /home/usrname/data，你如果装在其他位置，还需要改配置文件，自己斟酌
mkdir datacd data下载VOC2007与2012数据集
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar解压
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar创建lmdb格式的数据：
cd caffe
./data/VOC0712/create_list.sh
# It will create lmdb files for trainval and test with encoded original image:
# - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_trainval_lmdb
# - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_test_lmdb
./data/VOC0712/create_data.sh下载预训练模型，放在caffe/models/VGGNet/：
https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6
or
https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6+%20+%E2%80%9Cfully%20convolutional%20reduced%20%28atrous%29%20VGGNet%E2%80%9D
or
https://pan.baidu.com/s/1boPmTbT
4、训练（可选）
python examples/ssd/ssd_pascal.py这是一个漫长的过程，如果你想跑一下demo，可以直接拿官方训练好的模型http://www.cs.unc.edu/%7Ewliu/projects/SSD/models_VGGNet_VOC0712_SSD_300x300.tar.gz
解压后，直接把model文件夹下的VGGNet复制粘贴到caffe/model/下就可以了
注意，这时候你可能会得到这样的错误信息：
①ImportError: No module named caffe
或者ImportError: No module named _caffe
这是因为你没有把caffe加入环境变量，如果你原来就有caffe环境，可以使用
export PYTHONPATH=$PYTHONPATH:/home/usrname/caffe/python来进行单次添加caffe环境，这样有点坏处就是每次启动一个终端，就要执行这样的命令
还可以把caffe加入环境变量库（永久）profile文件中，只需执行
echo "export PYTHONPATH=/home/usrname/caffe/python" >> ~/.profile
source ~/.profile
echo $PYTHONPATH 最后一步用来检测当前终端中python环境变量。
这里说明一点.bashrc与.profile文件的区别：大家都知道一个linux系统可以有多个用户，两者都是动态库文件，都是开机时候自动加载里面的环境变量。而.bashrc只作用于当前用户，而.profile作用于所有的用户。
5、测试
测试图像
python examples/ssd/score_ssd_pascal.py测试视频
python examples/ssd/ssd_pascal_video.py 测试摄像头
python examples/ssd/ssd_pascal_webcam.py6、实验结果
这是OpenTLD中的用于检测跟踪的视频，显卡Quadro K2200，效果如下：
7、参考文献
http://blog.csdn.net/cosingne/article/details/53037889
http://blog.csdn.net/zhang_shuai12/article/details/52346878
http://blog.csdn.net/cosingne/article/details/53037889