Mxnet---faster-rcnn环境安装

官方版本已经有faster-rcnn的实现，所以这里从官方下载mxnet并安装编译。以下版本的安装是对于mxnet 0.94版本，0.95版本的直接编译就可以用faster-rcnn。

安装环境：

• Ubuntu14.04
• GPU gtx1080

1.mxnet的安装
这里还是从两种情况分析，一种是之前已经安装好了mxnet，但是没有安装编译faster-rcnn，第二种是没有安装过任何mxnet。
对于第一种情况需要做的是，首先是要知道有关rcnn的文件在文件夹mxnet/example/rcnn中，你需要做的步骤是：
- 复制rcnn中的operator文件中的文件到mxnet/src/operator/
- 重新编译mxnet，在mxnet根目录中：make -j$(nproc)
- 编译python接口： cd python然后sudo python setup.py install

以上完成以后，命令窗口输入：

$ python
>>> import mxnet as mx
>>>

出现以上说明成功。
第二种情况其实和第一种类似，前提还是要下载mxnet，只是到了编译部分需要把mxnet/example/rann/operator中的文件先复制到mxnet/src/operator,剩下的按照官方教程做即可

2.下载预训练模型和数据集

example/rcnn$: bash script/additional_deps.sh
#Download training data
example/rcnn$: bash script/get_voc.sh
#Download pretrained model
example/rcnn$: bash script/get_pretrained_model.sh
#Training and testing
example/rcnn$: bash script/vgg_voc07.sh 0,1 (use gpu 0 and 1)

执行完之后会在rcnn文件夹中多出data和model两个文件夹。

3.测试
命令：mxnet/example/rcnn$ python demo.py --prefix final --epoch 0 --image myimage.jpg --gpu 0

说明： final 是最后训练好的模型，在model文件中是e2e-0010.params文件，可以重命名也可以修改final为e2e-0010， 但是final的完整名字是final-0000.params，所以为e2e-0010-0000.params，最后放到rnn目录中， myinage.jpg为需要检测的图片。如果要显示图片可以加参数“- -vis”

参考文献
1.http://mxnet.io/tutorials/computer_vision/detection.html
2.https://github.com/dmlc/mxnet/tree/master/example/rcnn