【引子】
2013年，来自微软的rbg大神发表了基于深度学习的detection方法：R-CNN。一年以后，大神单枪匹马又将自己之前的工作提升到了一个新的水平（fast R-CNN）。
2015年，来自微软亚洲研究院的Shaoqing Ren，Kaiming He研究组在rbg的基础上，进一步地将该方法提升到了实时的水平（faster R-CNN），这也是我们今天的主题。
值得说明的是，目前在github上有两个版本的faster R-CNN，一个版本是Shaoqing Ren的MATLAB版本，另外一个是rbg的Python版本，二者有细微的差别。此处我们使用MATLAB版本。
【依赖项】
安装faster R-CNN需要一些依赖项：
- caffe（此处需要Shaoqing Ren的caffe版本，下面会具体说）
- MATLAB（此处使用Ubuntu14.04下的R2014b）
【安装】
Step1. 下载源代码
首先，下载源代码，在适当路径下，执行如下命令：
$ git clone --recursive https://ShaoqingRen/faster_rcnn.git
- 1
- 1
完成源代码的下载，主义此处的--recursive是递归下载，一些DNN框架，常常喜欢将caffe作为一个submodule放在external目录下，利用这一参数可以下载所有内容。
Step2. 安装caffe
完成第一步后，这个时候，你应该已经有Shaoqing Ren版本的caffe了，下面我们要编译它。
执行下列代码：
$ cd external/caffe
$ cp Makefile.config.example Makefile.config
$ vim Makefile.config
- 1
- 2
- 3
- 1
- 2
- 3
利用vim对配置文件进行修改，此处我们主要指定MATLAB_DIR路径，在适当位置加入下面内容：
MATLAB_DIR := /usr/local/MATLAB/R2014b
- 1
- 1
接下来执行如下一系列命令，老司机应该挺熟的了吧…….
$ make all -j8
$ make test -j8
$ make runtest -j8
$ make pycaffe
$ make matcaffe
- 1
- 2
- 3
- 4
- 5
- 1
- 2
- 3
- 4
- 5
需要说明的一点是，我在执行make runtest这一命令之后，遇到了奇葩的问题”Unknown V1LayerParameter Layer type: 40”。如下图：
后来我Google了一下，发现有类似问题的还真不在少数！根据热心网友们的讨论结果。我发现问题出在这个文件上面(external/caffe/src/caffe/util/upgrade_proto.cpp)。我们需要补上Reshape，ROIPooling以及SmoothL1Loss这三个层，具体见下：
Step3. 下载Pre-trained Model
按理说，在MATLAB里面执行run fetch_data/fetch_model_VGG16.m就能下载了，不过天朝的网你懂得… …不过好在咱们Shaoqing Ren也是中国人，给咱们提供了百度云盘的下载地址，哈哈！http://pan.baidu.com/s/1dDCsSm9
需要注意的是，这个东东下载以后，请解压到faster R-CNN根目录下，里面有5张测试图片以及一个名为output的文件夹（文件夹里面是pre-train好的ZF-net以及VGG16-net）。
Step4. 运行
在MATLAB下面，运行faster_rcnn_build.m和startup.m。其中前者是要编出一个东西来，是必须必须执行的。
Step5. 测试
在MATLAB下面，运行experiments/script_faster_rcnn_demo.m，就能够得到如下结果啦~~~
下面是我的安装文件配置：
（1）我没使用cudnn，因为版本问题会与tensorflow冲突，为了不必要的安装麻烦；
（2）使用python2.7而不是Anaconda3，也是为了避免麻烦
具体修改部分如下：
（1）注释use_cudnn；
（2）修改MATLAB路径；
（3）因为Ubuntu16.04需要修改INCLUDE_DIRS和LIBRARY_DIRS；
具体可参考：
接着就是两个命令：
sudo make -j8
sudo make matcaffe sudo make pycaffe因为没有使用cudnn，所以编译过程出错少多了，就此结束。