使用Windows Caffe 建立Qt工程 运行SSD(Single Shot MultiBox Detector)目标检测算法

这个本是现代模式识别课的一部分作业，使用SSD算法完成一个行人检测的任务，完成过程中遇到了一些问题。

这也不是我的研究方向，不写出来以后可能就这样被遗忘了觉得挺可惜的，分享一下。

这个也是几个月之前的做的，到现在也有许多细节记不太清楚，当时似乎应该稍微记录一下。

当时也试过DPM，但是速度比较慢因此最后放弃了。

配置过程中也参考了一些博客：【caffe-Windows】caffe+VS2013+Windows无GPU快速配置教程_风翼冰舟的博客-CSDN博客，Windows下Caffe-SSD编译_Chen_yingpeng的博客-CSDN博客，windows 配置 SSD ——CPU模式_lxy890123的博客-CSDN博客，windows CUDA8.0 配置SSD——GPU模式_lxy890123的博客-CSDN博客

首先说下我的实验环境Windows10，VS2013，64位版Qt 5.3.1，caffe官方的Windows版Caffe。

一：Qt-VS配置

安装好qt-opensource及qt-vs-addin后，在VS新出现一个名为Qt5的菜单栏，记得在其下拉菜单中选择Qt options并做如下设置

二：Windows下Caffe配置

中间遇到了一些坑，总的来说大流程是先生成libcaffe，再生成caffe，中间VS会自动下载一些需要的包耐心等待就好。再根据需要生成别的项目。

三：遇到的一些问题

1. 新建后Qt工程后，需要添加头文件目录、库文件目录以及附加依赖项，我添加的如下：

附加依赖项：

qtmain.lib Qt5Core.lib Qt5Gui.lib Qt5Multimedia.lib Qt5MultimediaWidgets.lib Qt5Network.lib Qt5Qml.lib Qt5Quick.lib Qt5Sql.lib Qt5Test.lib Qt5WebKit.lib Qt5AxContainer.lib Qt5AxBase.lib Qt5Bluetooth.lib Qt5Concurrent.lib Qt5Help.lib Qt5OpenGL.lib opengl32.lib glu32.lib Qt5PrintSupport.lib Qt5Declarative.lib Qt5Script.lib Qt5Sensors.lib Qt5Svg.lib Qt5WebkitWidgets.lib Qt5Widgets.lib Qt5Xml.lib Qt5XmlPatterns.lib libcaffe.lib caffe.lib $(CudaDependencies) opencv_core2410.lib opencv_highgui2410.lib opencv_imgproc2410.lib gflags.lib libglog.lib libopenblas.dll.a libprotobuf.lib leveldb.lib lmdb.lib hdf5.lib hdf5_hl.lib cublas.lib cuda.lib cublas_device.lib cudnn.lib cudadevrt.lib cudart.lib cudart_static.lib cufft.lib cufftw.lib curand.lib cusolver.lib cusparse.lib nppc.lib nppi.lib npps.lib nvblas.lib nvcuvid.lib nvrtc.lib

当然其中有一些是不必要的。

2. 出现一系列错误：

error C2238:意外的标记位于";"之前。

解决：可以看到这些错误都在caffe.pb.h文件的3895行及13066行，直接将这两行注释，问题解决。

3. 最后成功生成exe运行时报错：This application failed to start because it could not find or loadthe.......，

解决：将对应的Qt dll文件复制到exe目录下。

4. 报错未生成二进制文件无法调试，

解决：调试时允许源文件位置不一致；

5. 工程中新建了一个头文件，包含了SSD需要的一些网络层，我也是报了一些错然后慢慢加上的，直接上代码：

#include <caffe/common.hpp>  
#include <caffe/layer.hpp>  
#include <caffe/layer_factory.hpp>  
#include <caffe/layers/input_layer.hpp>  
#include <caffe/layers/inner_product_layer.hpp>  
#include <caffe/layers/dropout_layer.hpp>  
#include <caffe/layers/conv_layer.hpp>  
#include <caffe/layers/relu_layer.hpp>  

#include <caffe/layers/pooling_layer.hpp>  
#include <caffe/layers/lrn_layer.hpp>  
#include <caffe/layers/softmax_layer.hpp>   

#include <caffe/layers/sigmoid_layer.hpp>
#include <caffe/layers/tanh_layer.hpp>
#include <caffe/layers/permute_layer.hpp>
#include <caffe/layers/flatten_layer.hpp>
#include <caffe/layers/prior_box_layer.hpp>
#include <caffe/layers/concat_layer.hpp>
#include <caffe/layers/reshape_layer.hpp>
#include <caffe/layers/detection_output_layer.hpp>
#include <caffe/layers/detection_evaluate_layer.hpp>
#include <caffe/layers/batch_norm_layer.hpp>
#include <caffe/layers/bias_layer.hpp>
#include<caffe/layers/scale_layer.hpp>
#include<caffe/layers/normalize_layer.hpp>

namespace caffe             //添加网络层
{
extern INSTANTIATE_CLASS(InputLayer);
extern INSTANTIATE_CLASS(InnerProductLayer);
extern INSTANTIATE_CLASS(DropoutLayer);
extern INSTANTIATE_CLASS(ConvolutionLayer);
REGISTER_LAYER_CLASS(Convolution);
extern INSTANTIATE_CLASS(ReLULayer);
REGISTER_LAYER_CLASS(ReLU);
extern INSTANTIATE_CLASS(PoolingLayer);
REGISTER_LAYER_CLASS(Pooling);
extern INSTANTIATE_CLASS(LRNLayer);
REGISTER_LAYER_CLASS(LRN);
extern INSTANTIATE_CLASS(SoftmaxLayer);
REGISTER_LAYER_CLASS(Softmax);

extern INSTANTIATE_CLASS(SigmoidLayer);
REGISTER_LAYER_CLASS(Sigmoid);
extern INSTANTIATE_CLASS(TanHLayer);
REGISTER_LAYER_CLASS(TanH);
extern INSTANTIATE_CLASS(PermuteLayer);
//REGISTER_LAYER_CLASS(Permute);
extern INSTANTIATE_CLASS(FlattenLayer);
//REGISTER_LAYER_CLASS(Flatten);
extern INSTANTIATE_CLASS(PriorBoxLayer);
//REGISTER_LAYER_CLASS(PriorBox);
extern INSTANTIATE_CLASS(ConcatLayer);
//REGISTER_LAYER_CLASS(Concat);
extern INSTANTIATE_CLASS(ReshapeLayer);
//REGISTER_LAYER_CLASS(Reshape);
extern INSTANTIATE_CLASS(DetectionOutputLayer);
//REGISTER_LAYER_CLASS(DetectionOutput);
extern INSTANTIATE_CLASS(DetectionEvaluateLayer);
//REGISTER_LAYER_CLASS(DetectionEvaluate);
extern INSTANTIATE_CLASS(BatchNormLayer);
extern INSTANTIATE_CLASS(BiasLayer);
extern INSTANTIATE_CLASS(ScaleLayer);
extern INSTANTIATE_CLASS(NormalizeLayer);
}

四：最终效果

放一下最终的效果，在GPU加速情况下每秒大约16帧。最后产生exe后添加一些dll文件就可以在别的Windows电脑上运行程序了。