RON编译及运行教程

具体步骤
1.安装并配置好caffe及python接口（前提工作）

2.从Github上下载RON的源代码
使用命令：git clone https://github.com/taokong/RON.git

3.编译caffe和pycaffe

cd $RON_ROOT/
git clone https://github.com/taokong/caffe-ron.git
cd caffe-ron

打开Makefile.config修改配置
USE_CUDNN：=1，这个选项默认情况下时打开的，表示使用cudnn进行加速。
# CPU_ONLY ：= 1 我使用的是GPU，所以保留前面的#

没有GPU的同学需要改为
# USE_CUDNN：=1
CPU_ONLY ：= 1 

WITH_PYTHON_LAYER：= 1,这个在默认情况下也是关闭的，Faster RCNN需要支持Python接口，因此需要打开。

将    INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
        LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
改为  INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
       LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial

USE_PKG_CONFIG：=1记得打开，要不然会找不到一些库文件，PKG是linux用来管理库文件的。

保存后输入命令：make -j8 && make pycaffe

编译这一步时出现了一个错误，这个错误和我当时编译caffe-faster-rcnn是相同的。读者可以参看我的另一篇博客：在Ubuntu系统、GPU模式下运行Faster R-cnn代码。

如果出现类似的错误，是因为作者发布caffe-ron与你的cudnn版本不匹配（本人的cudnn版本为7.0.5）的原因，解决方法是把caffe-ron里与cudnn有关的cpp文件和hpp文件全部替换为原版caffe文件里与cudnn有关的cpp文件和hpp文件。

具体为：
（1）将<原版caffe的安装目录>/include/caffe/util 里的cudnn.hpp替换到<ron的安装目录>/caffe-ron/include/caffe/util里的cudnn.hpp（绿框替换红框）

（2）将<caffe的安装目录>/src/caffe/util 里的cudnn.cpp替换到<ron的安装目录>/caffe-ron/src/caffe/util里的cudnn.cpp（绿框替换红框）

（3）将<caffe的安装目录>/include/caffe/layers 里的cudnn_xx.hpp替换到<ron的安装目录>/caffe-ron/include/caffe/layers里的cudnn_xx.hpp（共8个，绿框替换红框）

（4）将<caffe的安装目录>/src/caffe/layers 里的cudnn_xx.cpp和cudnn_xx.cu替换到<ron的安装目录>/caffe-ron/src/caffe/layers里的cudnn_xx.cpp和cudnn_xx.cu（共16个，绿框替换红框）

替换完文件后重新编译，依次执行以下命令：
cd $RON_ROOT/caffe-ron

make clean

make -j8 && make pycaffe

4.生成Cython模块

cd  $RON_ROOT/lib
make

5.准备数据集PASCAL VOC
cd $RON_ROOT/data
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

然后解压：
tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

建议读者把一些常用的数据和模型都放到一个公共文件夹中，这样只需做符号链接即可。
cd $RON_ROOT/data
ln -s $VOCdevkit VOCdevkit2007
其中 VOCdevkit就是这个公共文件夹的地址。

比如，我将常用的数据和模型都放到/home/zhoulin/CommonlyUsedDatasetAndModel中，只需执行以下命令，即可将VOCdevkit2007链接到ron中。
cd $RON_ROOT/data
ln -s /home/zhoulin/CommonlyUsedDatasetAndModel/VOCdevkit VOCdevkit2007

链接完成后会在RON/data中生成一个带箭头的文件夹。

6.下载预训练模型
下载VGG预训练模型，链接为https://pan.baidu.com/s/1c2xm2U8#list/path=%2F，下载完后放在$RON/data/ImageNet_models下。
同样，该步骤可以使用符号链接。

7.训练

./train_voc.sh
# 训练RON320_VOC0712_VOC07.caffemodel

./train_voc_reduced.sh
# 训练RON-REDUCED320_VOC0712_VOC07.caffemodel

8.测试
如果不想训练的话，可以下载作者已经训练好的模型，链接为https://pan.baidu.com/s/1o8QEwu2#list/path=%2F，下载完后放在$RON/data/RON_models下，就可以直接开始测试了。

./test_voc07.sh   
# 测试RON320_VOC0712_VOC07.caffemodel,最终结果应为74.2% mAP

./test_voc07_reduced.sh         
# 测试RON-REDUCED320_VOC0712_VOC07.caffemodel,最终结果应为74.1% mAP