前言
比較簡單的一篇博客。https://github.com/microsoft/caffe 微軟的Caffe以在Windows下編譯簡單而受到了很多人的喜愛（包括我），只用改改prop配置然後無腦重新生成就可以。今天配置了一下Faster R-CNN，還挺好用的。
這裏以CPU版本的爲例，GPU的一樣。
效果
CPU版本的當然很慢。放圖：
編譯Caffe
有幾個地方需要注意。其一是我建議大家採用2016年7月之後的Microsoft Caffe版本，因爲在此之後這個Caffe分支添加了roi_pooling_layer.cpp和roi_pooling_layer.cu，Fast R-CNN的ROIPooling層需要這個源文件編譯。其二是不建議採用CPU版的折騰，因爲….真的很慢。
首先我們打開CommonSettings.props，將這裏改爲true.
然後我們打開Caffe.sln這個工程，在libcaffe項目的layers文件夾下添加roi_pooling_layer.cpp，GPU版本就還要在cu文件夾下添加roi_pooling_layer.cu.（說來也是奇怪，這兩個竟然沒用默認加進去。）
重新生成libcaffe後，再生成matcaffe。也可以整個工程都全部重新生成。
最後在caffe-master\Build\x64\Release文件夾下會有一個matcaffe的文件夾，這個就是Matlab調用caffe的庫。
運行Faster R-CNN的demo
資源下載
（其實讀論文的時候我就有一個感覺，RPN的搜索策略如果沒用GPU的話，速度應該會比Selective Search或者滑動窗口慢很多，網絡越大越慢。今日試了試果然如此）
接下來下載兩個資源：
1、下載這個Matlab版本的Faster R-CNN：https://github.com/ShaoqingRen/faster_rcnn，解壓後，把我們得到的matcaffe文件夾複製到external/caffe/目錄下（因爲人家的demo是在這個目錄下搜的函數）。
2、然後下載資源faster_rcnn_final_model.zip，下載地址我放到了百度雲裏：http://pan.baidu.com/s/1mioahvU，下載完成後，在faster_rcnn-master目錄下解壓。output文件夾會被覆蓋。
demo
如果你是CPU版本的，還要做以下修改：在experiments/script_faster_rcnn_demo.m這個文件裏，註釋掉以下兩行，加上caffe.set_mode_cpu，如下：
%% -------------------- CONFIG --------------------
opts.caffe_version = 'caffe_faster_rcnn';
%註釋opts.gpu_id = auto_select_gpu;
%註釋active_caffe_mex(opts.gpu_id, opts.caffe_version);
caffe.set_mode_cpu;然後把opts.use_gpu選項改了：
opts.use_gpu = false;跳出experiments文件夾，運行demo：
addpath('experiments/')
script_faster_rcnn_demo有兩種網絡可以選擇，在script_faster_rcnn_demo.m這個地方。上面是VGG-16，下面是zf5，上面的網絡太大，奇慢無比。
model_dir = fullfile(pwd, 'output', 'faster_rcnn_final', 'faster_rcnn_VOC0712_vgg_16layers'); %% VGG-16
%model_dir = fullfile(pwd, 'output', 'faster_rcnn_final', 'faster_rcnn_VOC0712_ZF'); %% ZF