py-faster-rcnn
Faster R-CNN是一种object detection算法，这里记录下Faster R-CNN的Caffe、python实现。
git地址：https://github.com/rbgirshick/py-faster-rcnn
安装py-faster-rcnn
Clone the py-faster-rcnn
就是从github把源码下载下来，由于网络等原因，切记核对源代码是否下载完整。
Makefile.config
配置编译caffe所需的配置文件：
文件内容说明：
1、 将makefile.config里面的 WITH_PYTHON_LAYER :=1前面的注释去掉，这是因为faster R-CNN是要Python接口的，所以这一项要有，不能注释。
2、 # Whatever else you find you need goes here.
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
此处其实就是加上了hdf5的路径
3、 在编译caffe的Mkefile.config时遇到提示
nvcc warning : The ‘compute_20’, ‘sm_20’, and ‘sm_21’ architectures are deprecated, and may be removed in a future release (Use -Wno-deprecated-gpu-targets to suppress warning).
原因是，Makefile.config中采用了CUDA的compute capability 2.0和2.1，这是两种计算能力。从CUDA 8.0开始compute capability 2.0和2.1被弃用了，所以可以将-gencode arch=compute_20,code=sm_20 和-gencode arch=compute_20,code=sm_21这两行删除即可。
4、 # CUDA directory contains bin/ and lib/ directories that we need.
CUDA_DIR := /usr/local/cuda
cuda路径不可错，若机器上安装过两个cuda，此处配置应与~/.bashrc中配置的路径一致
将 Makefile.config复制到py-faster-rcnn/目录下
修改caffe-fast-rcnn
但是由于代码提供者的caffe版本是老版本的，没有”与时俱进“，所以只兼容CUDNN 较老版本的。对于新的版本的，直接编译会报错。
参考链接：https://blog.csdn.net/u010733679/article/details/52221404
其中给出了两种方法：
一种是到github去下载新版的caffe并将它与py-faster-rcnn中的caffe-faster-rcnn合并，更换成新版的caffe，使其支持新的cuDNN版本；
另一种是自己手动更改一些文件，更改caffe的一些配置使其兼容新的cuDNN。
第一种方法较简单，但是一旦工程被修改过就很容易出错，不推荐；所以我采用了第二种方法。
1、用最新版本的caffe源码目录中的如下文件替换py-faster-rcnn/caffe-fast-rcnn中的对应文件。
include/caffe/layers/cudnn_relu_layer.hpp,
src/caffe/layers/cudnn_relu_layer.cpp,
src/caffe/layers/cudnn_relu_layer.cu
include/caffe/layers/cudnn_sigmoid_layer.hpp,
src/caffe/layers/cudnn_sigmoid_layer.cpp,
src/caffe/layers/cudnn_sigmoid_layer.cu
include/caffe/layers/cudnn_tanh_layer.hpp,
src/caffe/layers/cudnn_tanh_layer.cpp,
src/caffe/layers/cudnn_tanh_layer.cu
2、用caffe源码中的这个文件替换掉faster rcnn 对应文件
include/caffe/util/cudnn.hpp
3、打开 py-faster-rcnn/caffe-fast-rcnn 中的 src/caffe/layers/cudnn_conv_layer.cu文件，并将：
cudnnConvolutionBackwardData_v3
替换为
cudnnConvolutionBackwardData
cudnnConvolutionBackwardFilter_v3
替换为
cudnnConvolutionBackwardFilter
编译Cython modules
进入目录：py-faster-rcnn/lib
将Makefile文件中的python改为python2 因为此机器默认python版本为3.X
在终端中运行“make” 开始编译
编译 Caffe and pycaffe
打开py-faster-rcnn/caffe-fast-rcnn
终端执行“make -j8 && make pycaffe”
运行demo
获取faster_rcnn_models
参考https://blog.csdn.net/a8039974/article/details/77628805
获取imagenet_models
参考https://blog.csdn.net/a8039974/article/details/77628805
将这两个文件夹复制到/home/ubuntu/lihaizhou/py-faster-rcnn/data
回到路径/home/ubuntu/lihaizhou/py-faster-rcnn/
在终端执行“python2 tools/demo.py”
如果运行正常会自动弹出标注成功的图片