faster-rcnn安装配置，训练自己的数据，MATLAB，Ubuntu14

参考博客：
http://www.th7.cn/system/win/201606/167377.shtml
http://blog.sina.com.cn/s/blog_534497fd0102w6gu.html
http://blog.csdn.net/u013685264/article/details/52932704
http://www.cnblogs.com/guanyu-zuike/p/5936124.html
http://blog.csdn.net/tracer9/article/details/51203519

第一步：

安装MATLAB2015a
配置GPU&&CUDA，如果只用CPU测试，则不需要，训练自己的数据需要配置GPU

可以先了解faster-rcnn基本框架
http://blog.csdn.net/shenxiaolu1984/article/details/51152614
也可以查阅相关的其他博客。

第二步：
下载源码https://github.com/ShaoqingRen/faster_rcnn
相应版本的caffe：
https://github.com/ShaoqingRen/caffe/tree/062f2431162165c658a42d717baf8b74918aa18e
caffe解压后放到faster-rcnn-》external文件夹下。

第三步，编译配置caffe
在caffe目录下有Makefile.config.example文件，他给我们提供了配置文件的模板，我们备份下，修改为自己环境所需要的配置文件。

$ cd external/caffe
$ cp Makefile.config.example Makefile.config
$ vim Makefile.config

修改指定MATLAB_DIR路径

MATLAB_DIR := /usr/local/MATLAB/R2015a

如果只用CPU，要把相应的CPU_ONLY设置为1.

接下来执行如下一系列命令

$ make all
$ make test
$ make runtest
$ make matcaffe

如果没有提示什么错误，就是一切OK，值得庆祝，通常会遇到各种各样的问题。
遇到了奇葩的问题”Unknown V1LayerParameter Layer type: 40”。
http://blog.csdn.net/tracer9/article/details/51203519
如果遇到什么gcc版本太高则需要降版本，如果不支持C++11则需要升版本，具体问题可以直接搜，很多同学都遇到过。

第四步，

下载原作者训练好的模型，这些模型都是在imagenet超大数据库下训练出来的模型，我们之后可以进行小数据的微调finetune。
全部资源链接
链接: http://pan.baidu.com/s/1o8kGwfo 密码: m7h8
按理说，在MATLAB里面执行run fetch_data/fetch_model_VGG16.m等就能下载相应的模型，以来文件太大，网络一不稳定就得重来。按上面链接，下载output.tar
在faster-rcnn下解压会得到output和五张测试图片。

第五步

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，这是测试前模型加载和一些预操作。

第六步
在MATLAB下面，运行experiments/script_faster_rcnn_demo.m，
在matlab GUI界面下可以在根目录下执行，
script_faster_rcnn_demo
需要先加载下script_faster_rcnn_demo所在的目录addpath（‘experiments’）。
最后过得一会，看机器了
就可以得到结果