spp_net 代码实现过程

参照这两篇步骤，不过中间还是出现一些问题：

http://ouxinyu.github.io/Blogs/20150413001.html

http://blog.csdn.net/liumaolincycle/article/details/49889111?ticket=ST-266267-mKfCEultfYE2gabaxTKJ-passport.csdn.net

问题1：

mex失败

使用mex -setup，让关联起来，里面必须自己填写vs2012的安装目录

详细步骤，刚才又试了半天才终于搞定。(选择18，然后在后面的安装地址里输入 C:\Program Files (x86)\Microsoft Visual Studio 12.0

mex -setup

Would you like mex to locate installed compilers [y]/n? n

Select a compiler: 
[1] Intel C++ 13.0 (with Microsoft Software Development Kit (SDK) linker) 
[2] Intel C++ 13.0 (with Microsoft Visual C++ 2010 linker) 
[3] Intel C++ 13.0 (with Microsoft Visual C++ 2012 linker) 
[4] Intel C++ 12.0 (with Microsoft Software Development Kit (SDK) linker) 
[5] Intel C++ 12.0 (with Microsoft Visual C++ 2008 SP1 linker) 
[6] Intel C++ 12.0 (with Microsoft Visual C++ 2010 linker) 
[7] Intel Visual Fortran 13 (with Microsoft Software Development Kit (SDK) linker) 
[8] Intel Visual Fortran 13.0 (with Microsoft Visual C++ 2010 linker) 
[9] Intel Visual Fortran 13.0 (with Microsoft Visual C++ 2012 linker) 
[10] Intel Visual Fortran 12 (with Microsoft Software Development Kit (SDK) linker) 
[11] Intel Visual Fortran 12.0 (with Microsoft Visual C++ 2008 SP1 linker) 
[12] Intel Visual Fortran 12.0 (with Microsoft Visual C++ 2008 Shell linker) 
[13] Intel Visual Fortran 12.0 (with Microsoft Visual C++ 2010 linker) 
[14] Microsoft Software Development Kit (SDK) 7.1 
[15] Microsoft Visual C++ 2005 SP1 
[16] Microsoft Visual C++ 2008 SP1 
[17] Microsoft Visual C++ 2010 
[18] Microsoft Visual C++ 2012 
 
[0] None 
 
Compiler: 18

问题2：

spp_build.m 报错为：mex outdir.bin 出错

解决方法：直接把里面的相对路径改为绝对路径。

这里会生成六个文件，但是看第一篇的步骤里介绍，会生成7个文件（这里不知道会不会有问题）

问题3：

在执行script_spp_voc.m时，会跳转到imdb_from_voc.m时，在调用fliplr翻转函数时，会报错，因为fliplr函数只能对二维数据进行翻转，但是我们的图片都是三维数据，所以会出错（但不知道其他人在这一步怎么做的，不报错）

把里面的翻转语句做了改动：

 if ~exist(flip_image_at(i), 'file')
     im = imread(image_at(i));

     im(:,:,1)=fliplr(im(:,:,1));
    im(:,:,2)=fliplr(im(:,:,2));
    im(:,:,3)=fliplr(im(:,:,3));
            
          imshow(im);
             imwrite(im, flip_image_at(i));
          end

问题4：执行到1-2小时后，系统直接崩溃，这个步骤没有执行完。

估计是图片太大造成，根据第一篇中的第五步中，修改图片的默认多尺度窗口大小和切换到cpu的阈值后，该错误解决。

Saving imdb to cache...done
imdb (voc_2007_val): 1/5020
imdb (voc_2007_val): 45/5020
imdb (voc_2007_val): 83/5020
imdb (voc_2007_val): 144/5020

问题5：重新清理缓冲区和翻转图片后，重新执行，到下面的状态出错。

缓存文件删掉，imdb\cache中是imdb和roidb的缓存，feat_cache\Zeiler_conv5中是feature的缓存

所有训练样本被flip，并保存到D:\SPP_net-master\datasets\VOCdevkit2007\VOC2007\JPEGImages

出错的代码如下：

SPP_net-master: cache features: 9/10022
 [missing]
 [features: 3.039s]

Operation terminated by user during spp_cache_convX_features (line 138)

In spp_exp_cache_features_voc (line 40)
    spp_cache_convX_features(imdb_trainval, ...

In Script_spp_voc (line 65)
spp_exp_cache_features_voc('trainval', opts);
 >> 

分析可能是图片太多，机器崩溃，仿照第二篇里的减少训练样本个数的方法，训练样本和测试样本一共只用了1500个，也就是说把ImageSets\Main中trainval/train/val/test从1500以后的都删除，但是Annotations和JPEGImages中的注解和图片1500以后的没有删除。重新训练后，走到下面直接系统崩溃。

      SPP_net-master: cache features: 1/10022（这里的个数应该不是10022，应该是一个1500左右的值，忘看了）
 把ImageSets中的其他目录下的trainval/train/val/test也从1500后的都删除掉。

重新开始，系统就可以继续往下。

问题6：total fg_windows_num_train : 77534
total bg_windows_num_train : 545086
total fg_windows_num_test : 33994
total bg_windows_num_test : 249015
Starting parallel pool (parpool) using the 'local' profile ... connected to 4 workers.

到这一状态，系统崩溃

调整迭代次数，修改D:\SPP_net-master\finetune\spp_finetune_voc.m 以及相应的prototxt文件

data_param.img_num_per_iter = 128; % should be same with the prototxt file

data_param.iter_per_batch = 50; % for load data effectively

solver_param.test_iter = 50; % better times of data_param.iter_per_batch

solver_param.max_iter =20000；

再执行，虽然改了迭代次数，但仍然迭代了200000次，这里时间花了大概15个小时，然后在VOCevaldet.m上出现参数过多的错误。

迭代次数没有减少，应该是model_defs下还有一个solver的配置文件没有改过来。

有两个VOCevaldet.m文件，原本使用的是新日期的，现在用旧日期的试试。

7.修改model_defs下的solver文件后，迭代次数就是我们设置的23000,200000次中最好的结果是22000，但参数问题还未解决。仍然报错。

另外可以修改script_spp_voc.m中的语句，直接利用已经finetune的结果，在文件的71，72行，把上面的注释掉，使用下面一行，把FT_iter_186000改成FT_iter_22000

finetuned_model_path = spp_finetune_voc(opts);                                % finetune
% finetuned_model_path = fullfile(opts.finetune_rst_dir, 'FT_iter_186000');       % load from finetuned file

8.使用了第二篇文章中的源码文件VOCevaldet.m，是2014年12月8日那个版本的文件，解决了参数不一致的问题，至此整个script_spp_voc.m成功执行完成。

9。但是在使用训练好的模型进行测试时，出现问题。

执行spp_demo()时，又出错了，报错信息是：
>> spp_demo
Computing candidate regions...Attempt to execute SCRIPT anigauss as a function:执行spp_demo()时，又出错了，报错信息是：
>> spp_demo
Computing candidate regions...Attempt to execute SCRIPT anigauss as a function:
D:\SPP_net-master\selective_search\SelectiveSearchCodeIJCV\Dependencies\anigaussm\anigauss.m
按照anigauss_mex.c里的说明，我用 mex -v -g anigauss_mex.c anigauss.c重新编译了一下，但还是同样的错误，不知道怎么回事，继续折腾。

10.重新编译anigauss_mex.c之后，需要删掉anigauss.m文件，另外不是使用 mex -v -g anigauss_mex.c anigauss.c重新编译的，而是使用

D:\SPP_net-master\selective_search\SelectiveSearchCodeIJCV\Dependencies\demo.m中的

mex Dependencies/anigaussm/anigauss_mex.c Dependencies/anigaussm/anigauss.c -output anigauss重新编译的。

终于成功，得到最终的检测图片。