faster-rcnn实战篇
主要参考：
0)一个写的还不错的faster-rcnn的理论讲解(已经转载到知乎上面了)：https://zhuanlan.zhihu.com/ML-Algorithm
1）faster rcnn官网
https://github.com/rbgirshick/py-faster-rcnn#installation-sufficient-for-the-demo
2）http://blog.csdn.net/zoro_lov3/article/details/60581174，第二个博客解决了shell脚本下载文件缓慢问题（可以利用迅雷下载，然后将下载好的文件直接复制到data路径下）
3）http://blog.csdn.net/u012841667/article/details/53436615
第三个博客解决了faster-rcnn编译不通过问题，——原因是：作者使用的caffe的cudnn.cpp,cudnn.hpp的文件版本和现在的cudnn文件版本不一致导致编译冲突
解决办法：
1).将/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp 换成最新版的caffe里的cudnn的实现，即相应的cudnn.hpp.
2).将/py-faster-rcnn/caffe-fast-rcnn/src/caffe/layer里的，所有以cudnn开头的文件，例如cudnn_lrn_layer.cu，cudnn_pooling_layer.cpp，cudnn_sigmoid_layer.cu。
都替换成最新版的caffe里的相应的同名文件。
3）将./include/caffe/layers的，所有以cudnn开头的文件，例如cudnn_conv_layer.hpp，cudnn_lcn_laye.hpp
都替换成最新版的caffe里的相应的同名文件之前我第三个文件没有替换，导致编译仍然没有通过，一定要全部替换这三个文件夹当中的文件
-----------------------------------------------------------------------------------------
前提：已经熟练掌握了caffe的配置问题，并且在Makefile.config当中，with_pythonlayer取消注释（这里如果没有取消注释的话，python层不会被识别，从而导致报错）
坑已填完，现在详细写一下运行步骤：
step1:数据准备以及编译：
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.gitcd py-faster-rcnn/lib
makecd py-faster-rcnn/caffe-fast-rcnn
cp Makefile.config.example Makefile.config在make的时候注意上述说明的cudnn.cpp版本不一致问题
下载caffemodel::
cd py-faster-rcnn/data/scripts
gedit fetch_faster_rcnn_models.sh复制其中的URL地址(http://www.cs.berkeley.edu/~rbg/faster-rcnn-data)，打开下载faster_rcnn_models.tgz文件。我在windows系统下用迅雷下的，ubuntu里下载速度太慢了……
下载后，将该文件解压到
py-faster-rcnn/data--------------------------------------------------------------------------------------------------------------
利用faster rcnn跑VOC 2007的dataset
参考链接：http://blog.csdn.net/hongbin_xu/article/details/77278329
注意：代码当中一定不要由中文，之前写了好多中文注释，导致最后编译不成功
step1:数据集以及caffemodel的准备：
1）将下载好的三个文件解压到py-faster-rcnn/data当中
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar
tar -xvf VOCdevkit_08-Jun-2007.tarln -s $VOCdevkit VOCdevkit20072）下载imagenet_models.rar到py-faster-rcnn/data/imagenet_models.rar
其实没有必要用sh脚本下载（因为下载速度太慢了）
./data/scripts/fetch_imagenet_models.sh-------------------此时数据集以及model已经准备好了
step2:训练数据集：
好了，到目前为止都很简单。接下来要使用指令来训练了，一般来说都会因为环境不兼容碰到各种坑，后面会给出解决办法。
使用交替优化算法训练RPN
指令说明：
cd $FRCN_ROOT
./experiments/scripts/faster_rcnn_alt_opt.sh [GPU_ID] [NET] [--set ...]- 1
- 2
GPU_ID：你的GPU号，默认为0;
NET：使用的网络模型，模型有三种{ZF, VGG_CNN_M_1024, VGG16}，其中zf较小，vgg16最大;
set 训练集设置，使用的数据集是pascal_voc;
示例：
cd $FRCN_ROOT
./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG16 pascal_voc- 1
- 2
使用联合训练的方法训练RPN
指令说明：
cd $FRCN_ROOT
./experiments/scripts/faster_rcnn_end2end.sh [GPU_ID] [NET] [--set ...]- 1
- 2
GPU_ID：你的GPU号，默认为0;
NET：使用的网络模型，模型有三种{ZF, VGG_CNN_M_1024, VGG16}，其中zf较小，vgg16最大;
set 训练集设置，使用的数据集是pascal_voc;
这里跟前面类似，只是训练的方法不一样，使用的网络模型和数据集等等都是一样的。
示例：
cd $FRCN_ROOT
./experiments/scripts/faster_rcnn_end2end.sh 0 VGG16 pascal_voc- 1
- 2
我遇到了一个问题，原来的博主遇到的各种问题我没有遇到，可能比较幸运吧
问题：AttributeError: 'module' object has no attribute 'text_format'
解决办法：https://github.com/rbgirshick/py-faster-rcnn/issues/198
adding "import google.protobuf.text_format" in the fast-rcnn/lib/fast_rcnn/train.py