Fast-RCNN的搭建和测试

下载Fast-RCNN

1 2	cd ~ git clone --recursive https://github.com/rbgirshick/fast-rcnn.git

安装Python依赖包

sudo apt-get install python-pip
sudo pip install cython
sudo apt-get install python-opencv
sudo pip install easydic

生成Cython模块

1 2	cd ~/fast-rcnn/lib/ make

安装Atlas

1	sudo apt-get install libatlas-base-dev

生成Caffe和pycaffe

1 2	cd ~/fast-rcnn/caffe-fast-rcn cp Makefile.config.example Makefile.config

编辑Makefile.config，根据自己的需要修改相应模式，其中重点关注CPU_ONLY 和WITH_PYTHON_LAYER以及CUDNN等处，若是在CPU的情况下，请务必修改为CPU_ONLY ：= 1

编译环境

cd ~/fast-rcnn/caffe-fast-rcnn
mkdir build
cd build
cmake ..
make all -j16（"‐j16"是使用 CPU 的多核进行编译,可以极大地加速编译的速度）
make install
make runtest
make pycaffe（编译pycaffe）

下载fetch_fast_rcnn_models

下载网址：（链接：http://pan.baidu.com/s/1pJVburD 密码：11m0）

将下载好的fetch_fast_rcnn_models.tgz放到/fast-rcnn/data这个目录下，右键提取到此处，即是解压。

运行Demo

cd ~/fast-rcnn/tools
./demo.py 或python demo.py 
#当此处报错时请尝试python2 demo.py
#CPU环境下运行话：python2 demo.py --cpu

若提示缺少某个模块(module)，网上搜索下，安装给出的教程安装相应模块，建议尽量终端中命令安装．

效果图如下(仅贴了一张图)：