mark一个

http://yun.baidu.com/share/link?shareid=1018944597&uk=1543560377

http://blog.csdn.net/sinat_30071459/article/details/50546891

配置环境: Windows10x64 Matlab2015Ra VS2013 Opencv2.4.11 CUDA7.5 GTX950M

  1. CUDA7.5安装 
    因为Cuda7.5做了很大的优化改进,而且对win10支持较好,所以这里选择安装Cuda7.5,具体过程 参考这里。但是由于作者Matlab 版本的Faster r-CNN的cnn库是在Cuda6.5下编译的,所以这里会出现问题,要么需要自己在Cuda7.5下编译,要么可以在这里下载。

  2. 下载 FasterR-CNN程序包 
    在作者ShaoqingRen的github上下载Matlab版本的faster-cnn:链接。然后解压到本地。

  3. 编译external/caffe库 
    如果你的电脑安装的是CUDA6.5, 那么可以直接运行fetch_data/fetch_caffe_mex_windows_vs2013_cuda65.m。 
    如果你是像本人那样安装了CUDA7.5, 那么你可以在这里下载编译好的库,直接解压到作者代码的根目录下。

  4. 生成nms mex文件 
    运行文件根目录下的:faster_rcnn_build.m 
    注意:这里运行的时候会经常报错,是需要将functions/nms/nvmex.m下的Cuda_path改成你电脑的CUDA安装路径。

  5. 设置相关函数路径 
    运行startup.m文件,这只函数运行的相关路径。

  6. 下载CNN的models 
    要么运行作者代码包里的:fetch_data/fetch_faster_rcnn_final_model.m 自动下载并保存在output文件夹里面。 
    或者自己在百度云里下载,并解压到output文件夹里。

  7. 测试运行demo 
    如果前面一切ok没有问题的话,这里将experiments/script_faster_rcnn_demo.m 拷贝到根目录下,然后运行就可以看到结果了。 
    注意:由于VGG16模型太大了,所以一般电脑运行起来会出现matlab奔溃,所以这里要么将 
    opts.use_gpu = false;在cpu下运行。 
    或者使用ZF模型(比VGG16简单,准确度降低):

    model_dir= fullfile(pwd, 'output', 'faster_rcnn_final', 'faster_rcnn_VOC0712_ZF');

这样就可以看到测试图片的运行结果和运行时间了。

04-30 19:08