Caffe-faster-rcnn demo测试

RCNN是目前detection中较新且准确度较高的方法，充分发挥了CNN分类的优势，但速度并不快，从而产生了fast rcnn和faster rcnn来解决这个问题。本文使用py-faster-rcnn对该方法做一初步测试。

rbgirshick/py-faster-rcnn

---

环境准备

软件环境

• Caffe
• Python

一般来说这些我们都已经有所接触，但仍有一些需要注意的地方：

1. 要使用rbgirshick/py-faster-rcnn中的caffe编译一次，其caffe在rbgirshick/py-faster-rcnn/caffe-fast-rcnn @ 0dcd397中。因为这里面有一些专门为f-rcnn写的层，具体区别可以在caffe.proto中查看，如增加了ROIPoolingParameter、SmoothL1LossParameter等参数。

2. 编译时一定要增加对Python层（Python layers）的支持。
   具体需要打开Makefile.config，找到：

   # In your Makefile.config, make sure to have this line uncommentedWITH_PYTHON_LAYER := 1

   将其改为1，否则运行时会出错，提示没有对应的layer。

硬件要求

小的网络用Titan, K20, K40这些就可以，显存3G以上。
大的可能需要K40,11G以上显存，当然这些往往个人无法搭建起来。

---

安装（DEMO）

1. 编译Cython模块

   cd $FRCN_ROOT/libmake

   $FRCN_ROOT为你的FRCNN根目录，下同。

2. 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:make -j8 && make pycaffe

   -j8是指8核编译，更快一些。

3. 下载预计算的R-CNN检测器

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

   这个模型解压出来750M，下载的话大概695M，而且很慢。。
   为了方便大家，我把模型上传到了百度云，faster_rcnn_models， 密码：gbpo。

4. 运行
   这一步就很简单了，

   cd $FRCN_ROOT./tools/demo.py

   当然权限不足直接运行py也可以。这个运行是需要在图像界面下进行的，否则会报错。