去年下半年看了相關目標檢測的論文，一些傳統的算法，一些CVPR,TPAMI,ECCV,ICCV,,NIPS,比較前沿的進展，主要都是基於深度學習卷積神經網絡方面的，包括RCNN,SPP-NET,Fast-RCNN,Faster-RCNN,以及YOLO,SSD，然後明天準備正式開始搞學術了，爭取早點把論文發出來。
趁着放假回家的時間，做點前期準備工作，深度學習方面的框架有caffe，torch，mxnet，kerse，還有最近比較大熱的TensorFlow，感覺tf會持續popular，所以準備搭建一個玩玩，但是相關比較新的目標檢測框架都是首先基於caffe開發的，caffe對於圖像方面的庫比較多，穩定，所以搭建一個caffe也是必不可少，好像tf也是可以調用caffe框架模型的（沒用過）。
裝雙系統之step one：http://blog.csdn.net/jasonzhangoo/article/details/54865974
裝顯卡驅動之step two（很多同學都是因爲這步而放棄深度學習的）：http://blog.csdn.net/jasonzhangoo/article/details/54866049
Ubuntu16.04下安裝caffe和TensorFlow的cpu版本之step three：http://blog.csdn.net/jasonzhangoo/article/details/54866074
Win10下安裝caffe的GPU版本之step four：http://blog.csdn.net/jasonzhangoo/article/details/54866120
windows安裝配置faster-rcnn之step five：http://blog.csdn.net/jasonzhangoo/article/details/54866174
windows安裝配置faster-rcnn之step five：
Faster-RCNN源碼下載地址：
Matlab版本：https://github.com/ShaoqingRen/faster_rcnn
Python版本:https://github.com/rbgirshick/py-faster-rcnn
本文用到的是Matlab版本，在Windows下運行。
經過之前安裝過CUDA，VS2013和Matlab。
另外在下載的faster-rcnn中需要有自己編譯的external文件夾纔可以使用如果你的cuda是6.5，那麼運行一下fetch_data/fetch_caffe_mex_windows_vs2013_cuda65.m ，當然不同的CUDA版本需要不同的編譯版本，最好自己編譯一下，我的是CUDA8.0，可以用
下載地址：Faster-RCNN(Matlab) external文件夾
測試過程：
如果重新訓練的話需要很長的時間，這裏可以先下載訓練好的模型可以用百度雲下載：https://pan.baidu.com/s/1hsFKmeK ，解壓到faster_rcnn-master下
（1）運行faster_rcnn-master\faster_rcnn_build.m
（2）運行faster_rcnn-master\startup.m
（3）修改faster_rcnn-master\experiments\script_faster_rcnn_demo.m的model_dir爲你下載的模型，最好註釋掉VGG16比較慢，選用ZF，然後運行。
最終得到：
