fast rcnn的安装与使用

fast rcnn的安装与使用

大致来自于：

https://github.com/rbgirshick/fast-rcnn

本文环境：ubuntu14.04

步骤如下：

1、确定你机器上安装有caffe，并且编译成功。安装过程可以参考博客中其他文章。

2、从githhub上下载程序：

可以使用：

# Make sure to clone with --recursive
git clone --recursive https://github.com/rbgirshick/fast-rcnn.git

3、更新：

git submodule update --init --recursive

4、编译cpython模块：

cd $FRCN_ROOT/lib
make

5、编译caffe和pycaffe

cd $FRCN_ROOT/caffe-fast-rcnn
# Now follow the Caffe installation instructions here:
#   http://caffe.berkeleyvision.org/installation.html

# If you're experienced with Caffe and have all of the requirements installed
# and your Makefile.config in place, then simply do:（这步将你自己的caffe中makeFile.config文件拷贝过来）
make -j8 && make pycaffe

6、下载作者编译好的模型：自己可以先不编译，你的硬件估计不够

cd $FRCN_ROOT
./data/scripts/fetch_fast_rcnn_models.sh

7、运行demo程序

cd $FRCN_ROOT
./tools/demo.py
若无cv2：
apt-get install python-opencv
若无easydict：
  sudo pip install  easydict
若显存不够，请在后面加--cpu

注：该程序中到proposals都存在mat中，若自己需要测试其他图像，需要先生存该文件，备选有：

1. Selective Search: original matlab code, python wrapper
2. EdgeBoxes: matlab code
3. GOP and LPO: python code
4. MCG: matlab code
5. RIGOR: matlab code

最终结果展示：

在ubuntu下没有插件，图片无法上传.

Demo for data/demo/000004.jpg

Detection took 68.442s for 2888 object proposals

All car detections with p(car | box) >= 0.8

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Demo for data/demo/001551.jpg

Detection took 59.334s for 2057 object proposals

All sofa detections with p(sofa | box) >= 0.8

All tvmonitor detections with p(tvmonitor | box) >= 0.8

结果说明：在cpu下速度太慢，没有论文上那么快（毕竟人用到是k40，哈哈），demo中到效果相当不错。