前言
比较简单的一篇博客。https://github.com/microsoft/caffe 微软的Caffe以在Windows下编译简单而受到了很多人的喜爱（包括我），只用改改prop配置然后无脑重新生成就可以。今天配置了一下Faster R-CNN，还挺好用的。
这里以CPU版本的为例，GPU的一样。
效果
CPU版本的当然很慢。放图：
编译Caffe
有几个地方需要注意。其一是我建议大家采用2016年7月之后的Microsoft Caffe版本，因为在此之后这个Caffe分支添加了roi_pooling_layer.cpp和roi_pooling_layer.cu，Fast R-CNN的ROIPooling层需要这个源文件编译。其二是不建议采用CPU版的折腾，因为….真的很慢。
首先我们打开CommonSettings.props，将这里改为true.
然后我们打开Caffe.sln这个工程，在libcaffe项目的layers文件夹下添加roi_pooling_layer.cpp，GPU版本就还要在cu文件夹下添加roi_pooling_layer.cu.（说来也是奇怪，这两个竟然没用默认加进去。）
重新生成libcaffe后，再生成matcaffe。也可以整个工程都全部重新生成。
最后在caffe-master\Build\x64\Release文件夹下会有一个matcaffe的文件夹，这个就是Matlab调用caffe的库。
运行Faster R-CNN的demo
资源下载
（其实读论文的时候我就有一个感觉，RPN的搜索策略如果没用GPU的话，速度应该会比Selective Search或者滑动窗口慢很多，网络越大越慢。今日试了试果然如此）
接下来下载两个资源：
1、下载这个Matlab版本的Faster R-CNN：https://github.com/ShaoqingRen/faster_rcnn，解压后，把我们得到的matcaffe文件夹复制到external/caffe/目录下（因为人家的demo是在这个目录下搜的函数）。
2、然后下载资源faster_rcnn_final_model.zip，下载地址我放到了百度云里：http://pan.baidu.com/s/1mioahvU，下载完成后，在faster_rcnn-master目录下解压。output文件夹会被覆盖。
demo
如果你是CPU版本的，还要做以下修改：在experiments/script_faster_rcnn_demo.m这个文件里，注释掉以下两行，加上caffe.set_mode_cpu，如下：
%% -------------------- CONFIG --------------------
opts.caffe_version = 'caffe_faster_rcnn';
%注释opts.gpu_id = auto_select_gpu;
%注释active_caffe_mex(opts.gpu_id, opts.caffe_version);
caffe.set_mode_cpu;然后把opts.use_gpu选项改了：
opts.use_gpu = false;跳出experiments文件夹，运行demo：
addpath('experiments/')
script_faster_rcnn_demo有两种网络可以选择，在script_faster_rcnn_demo.m这个地方。上面是VGG-16，下面是zf5，上面的网络太大，奇慢无比。
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