windows下配置Faster-RCNN

標籤：

mark一個

http://yun.baidu.com/share/link?shareid=1018944597&uk=1543560377

 http://blog.csdn.net/sinat_30071459/article/details/50546891

配置環境： Windows10x64 Matlab2015Ra VS2013 Opencv2.4.11 CUDA7.5 GTX950M

1. CUDA7.5安裝 
   因為Cuda7.5做了很大的最佳化改進，而且對win10支援較好，所以這裡選擇安裝Cuda7.5,具體過程 參考這裡。但是由於作者Matlab 版本的Faster r-CNN的cnn庫是在Cuda6.5下編譯的，所以這裡會出現問題,要麼需要自己在Cuda7.5下編譯，要麼可以在這裡下載。

2. 下載 FasterR-CNN程式包 
   在作者ShaoqingRen的github上下載Matlab版本的faster-cnn：連結。然後解壓到本地。

3. 編譯external/caffe庫 
   如果你的電腦安裝的是CUDA6.5, 那麼可以直接運行fetch_data/fetch_caffe_mex_windows_vs2013_cuda65.m。 
   如果你是像本人那樣安裝了CUDA7.5， 那麼你可以在這裡下載編譯好的庫，直接解壓到作者代碼的根目錄下。

4. 產生nms mex檔案 
   運行檔案根目錄下的：faster_rcnn_build.m 
   注意：這裡啟動並執行時候會經常報錯，是需要將functions/nms/nvmex.m下的Cuda_path改成你電腦的CUDA安裝路徑。

5. 設定相關函數路徑 
   運行startup.m檔案，這隻函數啟動並執行相關路徑。

6. 下載CNN的models 
   要麼運行作者程式碼封裝裡的：fetch_data/fetch_faster_rcnn_final_model.m 自動下載並儲存在output檔案夾裡面。 
   或者自己在百度雲裡下載，並解壓到output檔案夾裡。

7. 測試回合demo 
   如果前面一切ok沒有問題的話，這裡將experiments/script_faster_rcnn_demo.m 拷貝到根目錄下，然後運行就可以看到結果了。 
   注意：由於VGG16模型太大了，所以一般電腦運行起來會出現matlab奔潰，所以這裡要麼將 
   opts.use_gpu = false;在cpu下運行。 
   或者使用ZF模型（比VGG16簡單，準確度降低）：

    model_dir= fullfile(pwd, ‘output‘, ‘faster_rcnn_final‘, ‘faster_rcnn_VOC0712_ZF‘)；

這樣就可以看到測試圖片的運行結果和已耗用時間了。 

windows下配置Faster-RCNN