A-Fast-RCNN算法的Caffe实现
A-Fast-RCNN算法来自论文：A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection。
项目的git地址：https://github.com/xiaolonw/adversarial-frcnn
因为git上对于如何训练模型，如何测试数据介绍得比较简单，因此自己亲自试验了一下，并记录下过程。
1、从Faster RCNN的git上拉取项目：
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git假设拉取下来后的文件名为$FRCN_ROOT
2、从A-Fast-RCNN的git上拉取项目
从A-Fast-RCNN上下载项目，然后把这个项目里的所有东西手动覆盖到$FRCN_ROOT这个目录下的所有文件。
git clone --recursive https://github.com/xiaolonw/adversarial-frcnn3、复制配置文件并编译caffe和pycaffe：
cd $FRCN_ROOT/caffe-fast-rcnn
cp Makefile.config.example Makefile.config这个Makefile.config需要更改两处地方：
一处是将makefile.config里面的以下两行：
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib换成这两行：其实就是加上了hdf5的路径
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial/另一处是将makefile.config中的这一行前面的注释符号#去掉
WITH_PYTHON_LAYER :=1然后编译caffe和pycaffe：
make -j32 && make pycaffe如果报错：
原因：编译layer_factor.o时候出错，需要将Makefile.config文件中这一行USE_CUDNN := 1注释，默认是注释的，不过一些git上会让开启，如果开启时候编译出错，那么就关闭。
4、编译cython
cd $FRCN_ROOT/lib
make5、准备数据
放在$FRCN_ROOT/data/目录下，取名VOCdevkit2007，数据集下载可参考另一篇博客：OHEM算法的Caffe实现
6、下载selective_search_data.tgz文件
因为Fast RCNN需要用selective search的方式独立生成region proposal，所以需要从网上下载这个文件：selective_search_data.tgz，解压缩后放在$FRCN_ROOT/data/目录下。
下载地址
7、开始训练
./train.sh这个脚本里面主要包含以下四个命令：
7.1、
./experiments/scripts/fast_rcnn_std.sh [GPU_ID] VGG16 pascal_voc这个fast_rcnn_std.sh表示用标准的Fast-RCNN训练10K次，采用VGG16网络，数据集采用pascal_voc。当然在运行这个命令之前，必须保证你有在ImageNet上预训练的网络，关于预训练模型可以参考：OHEM算法的Caffe实现，因为训练这个Fast RCNN也是在预训练的网络上fine-tuning的。如下图是fast_rcnn_std.sh的主要内容：
这里的weights就是在imagenet上预训练的网络。
所以当你下载了这样的预训练的网络后，你的目录应该类似这样：
$FRCN_ROOT/data/imagenet_models/VGG16.v2.caffemodel训练的时候可能报错：
解决：主要是和numpy的版本有关。
sudo pip install -U numpy==1.11.0OK。正常运行了。
训练结束后会生成
$FRCN_ROOT/output/fast_rcnn_adv/voc_2007_trainval/fast_rcnn_std_iter_10000.caffemodel，也可以从作者的git上下载训练好的Fast RCNN模型并放置在上面这个路径下，然后开始下一步。
7.2、
./experiments/scripts/fast_rcnn_adv_pretrain.sh [GPU_ID] VGG16 pascal_voc这句话是对抗网络的预训练。对抗网络的预训练也是在前面训练的标准Fast RCNN的基础上进行预训练的，fast_rcnn_adv_pretrain.sh的主要内容如下：也是其中的weights表示7.1步生成的标准Fast RCNN模型。
训练结束后会生成
$FRCN_ROOT/output/fast_rcnn_adv/voc_2007_trainval/train_init.caffemodel，也可以从作者的git上下载训练好的对抗网络，然后开始下一步。
7.3、
./copy_model.h这个命令是指拷贝前面训练的两个模型的参数用来初始化联合模型（joint model）
7.4、
./experiments/scripts/fast_rcnn_adv.sh [GPU_ID] VGG16 pascal_voc这个命令就是训练联合模型
看看fast_rcnn_adv.sh里面的主要内容如下，就是在7.2预训练的对抗模型基础上进行训练。
训练好的模型保存在
$FRCN_ROOT/output/fast_rcnn_adv/voc_2007_trainval/fast_rcnn_adv_iter_40000.caffemodel
8、测试图像：
可以在命令行输入以下命令（在根目录下）：
time sudo ./tools/test_net.py --gpu 0 --def models/pascal_voc/VGG16/fast_rcnn/test.prototxt --net output/fast_rcnn_adv/voc_2007_trainval/fast_rcnn_adv_iter_40000.caffemodel --imdb voc_2007_test --cfg experiments/cfgs/fast_Rcnn_adv_128.yml下图显示正在依次测试测试集的图像，其中0.229s表示测试一张图像所需的时间。
测试时候遇到过类似这样的错误，本来测试的结果应该写到相应的txt文件中，但是这个错误表示找不到测试结果的txt文件。
解决：可以手动在data目录下新建一个文件目录
~/data/VOCdevkit2007/results/VOC2017/Main/，然后再测试。
测试的时候还会遇到这样的错误，因为每次测试的时候都会生成
~/output/fast_rcnn_adv/voc_2007_test/fast_rcnn_adv_iter_40000/detections.pkl，并且会读取这个文件。因此如果你第二次测试的时候还保留第一次测试的这个pkl文件，那么在读取的时候就会报错，因为没有权限。因此在前面的测试命令中要加上sudo。
这是最后的测试结果：
