Windows下Faster R-CNN 配置/Matlab版本編譯

配置環境： Windows10x64 Matlab2015Ra VS2013 Opencv2.4.11 CUDA7.5 GTX950M

1. CUDA7.5安裝
   因爲Cuda7.5做了很大的優化改進，而且對win10支持較好，所以這裏選擇安裝Cuda7.5,具體過程 參考這裏。但是由於作者Matlab 版本的Faster r-CNN的cnn庫是在Cuda6.5下編譯的，所以這裏會出現問題,要麼需要自己在Cuda7.5下編譯，要麼可以在這裏下載。

2. 下載 FasterR-CNN程序包
   在作者ShaoqingRen的github上下載Matlab版本的faster-cnn：鏈接。然後解壓到本地。

3. 編譯external/caffe庫
   如果你的電腦安裝的是CUDA6.5, 那麼可以直接運行fetch_data/fetch_caffe_mex_windows_vs2013_cuda65.m。
   如果你是像本人那樣安裝了CUDA7.5， 那麼你可以在這裏下載編譯好的庫，直接解壓到作者代碼的根目錄下。

4. 生成nms mex文件
   運行文件根目錄下的：faster_rcnn_build.m
   注意：這裏運行的時候會經常報錯，是需要將functions/nms/nvmex.m下的Cuda_path改成你電腦的CUDA安裝路徑。

5. 設置相關函數路徑
   運行startup.m文件，這隻函數運行的相關路徑。

6. 下載CNN的models
   要麼運行作者代碼包裏的：fetch_data/fetch_faster_rcnn_final_model.m 自動下載並保存在output文件夾裏面。
   或者自己在百度雲裏下載，並解壓到output文件夾裏。

7. 測試運行demo
   如果前面一切ok沒有問題的話，這裏將experiments/script_faster_rcnn_demo.m 拷貝到根目錄下，然後運行就可以看到結果了。
   注意：由於VGG16模型太大了，所以一般電腦運行起來會出現matlab奔潰，所以這裏要麼將
   opts.use_gpu = false;在cpu下運行。
   或者使用ZF模型（比VGG16簡單，準確度降低）：

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

這樣就可以看到測試圖片的運行結果和運行時間了。

關於‘invalid Mex File’幾點補充

 一般是由於系統找不到庫文件的原因引起的。
   1. 檢查caffe_faster_rcnn下面的dll庫是否完整，不完整就重新拷過來；
   2. 檢查cuda, opencv的安裝是否完成；
   3. 檢查系統環境變量，尤其是在Path中添加cuda, opencv的路徑。

by Dr. Sword.