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，主要都是基于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，然后明天準備正式開始搞學術了，爭取早點把論文發出來。

趁著放假回家的時間，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于caffe開發的，caffe對于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（很多同學都是因為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文件夾才可以使用如果你的cuda是6.5，那么運行一下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，這里可以先下載訓練好的模型可以用百度云下載：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為你下載的模型，最好注釋掉VGG16比較慢，選用ZF，然后運行。

最終得到：

總結

以上是生活随笔為你收集整理的深度学习之Windows下安装faster-rcnn的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。