windows下配置Faster-RCNN

mark一个

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

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

配置环境： Windows10x64 Matlab2015Ra VS2013 Opencv2.4.11 CUDA7.5 GTX950M

1. CUDA7.5安装 
   因为Cuda7.5做了很大的优化改进，而且对win10支持较好，所以这里选择安装Cuda7.5,具体过程 参考这里。但是由于作者Matlab 版本的Faster r-CNN的cnn库是在Cuda6.5下编译的，所以这里会出现问题,要么需要自己在Cuda7.5下编译，要么可以在这里下载。

2. 下载 FasterR-CNN程序包 
   在作者ShaoqingRen的github上下载Matlab版本的faster-cnn：链接。然后解压到本地。

3. 编译external/caffe库 
   如果你的电脑安装的是CUDA6.5, 那么可以直接运行fetch_data/fetch_caffe_mex_windows_vs2013_cuda65.m。 
   如果你是像本人那样安装了CUDA7.5， 那么你可以在这里下载编译好的库，直接解压到作者代码的根目录下。

4. 生成nms mex文件 
   运行文件根目录下的：faster_rcnn_build.m 
   注意：这里运行的时候会经常报错，是需要将functions/nms/nvmex.m下的Cuda_path改成你电脑的CUDA安装路径。

5. 设置相关函数路径 
   运行startup.m文件，这只函数运行的相关路径。

6. 下载CNN的models 
   要么运行作者代码包里的：fetch_data/fetch_faster_rcnn_final_model.m 自动下载并保存在output文件夹里面。 
   或者自己在百度云里下载，并解压到output文件夹里。

7. 测试运行demo 
   如果前面一切ok没有问题的话，这里将experiments/script_faster_rcnn_demo.m 拷贝到根目录下，然后运行就可以看到结果了。 
   注意：由于VGG16模型太大了，所以一般电脑运行起来会出现matlab奔溃，所以这里要么将 
   opts.use_gpu = false;在cpu下运行。 
   或者使用ZF模型（比VGG16简单，准确度降低）：

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

这样就可以看到测试图片的运行结果和运行时间了。