fast-rcnn配置執行VGG16.caffemodel和VGG_CNN_M_1024.v2.caffemodel（Ubuntu14.04）
在我的上個部落格中已經對fast-rcnn配置執行demo.py做出了相應說明，在本部落格中我將對fast-rcnn配置執行VGG16.caffemodel和VGG_CNN_M_1024.v2.caffemodel做出具體操作說明，希望可以解決大家在訓練vgg網路時出現的問題。
好了，我們來玩玩這個fast-rcnn配置執行VGG16.caffemodel和VGG_CNN_M_1024.v2.caffemodel
第一部分：下載資料test data and VOCdevkit
下載原網址：http://www.cs.berkeley.edu/~rbg/fast-rcnn-data（供選擇）
或者終端輸入：
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar
第二部分：解壓生成資料夾 VOCdevkit
data下有資料夾命名為VOCdevkit,此資料夾中包含VOC2007和VOCcode（如第三部分所示）
就在data目錄下輸入下列命令解壓，解壓檔案會自動跑到devkit這個資料夾，其中VOC2007會自動包含trainval和test這兩個檔案，即終端輸入：
tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar
第三部分：資料夾包含目錄
$VOCdevkit/ #development kit
$VOCdevkit/VOCcode/ #VOC utility code
$VOCdevkit/VOC2007 #image sets, annotations, etc.
第四部分：建立連結
終端輸入：
cd $FRCN_ROOT/data（其中$表示您fast-rcnn的目錄位置）
sudo ln -s VOCdevkit VOCdevkit2007
第五部分：下載 pre-computed Selective Search objectproposals
下載地址原網址：http://www.cs.berkeley.edu/~rbg/fast-rcnn-data（選擇selective search那個檔案）
拷貝放在data目錄下解壓第六部分：下載 pre-trained ImageNet models（ CaffeNet (model S), VGG_CNN_M_1024 (model M), and VGG16 (model L).
拷貝放在data目錄下解壓第七部分：訓練測試如下：訓練：Train a Fast R-CNN detector.
在fast-rcnn目錄下終端執行：
./tools/train_net.py --gpu 0 --solver models/VGG16/solver.prototxt --weights data/imagenet_models/VGG16.v2.caffemodel
如果出現錯誤：
EnvironmentError: MATLAB command 'matlab' not found. Please add 'matlab' toyour PATH.
則增加（終端執行）：
export PATH=$PATH:/usr/local/MATLAB/R2014a/bin（前提保證matlab裝好，make matcaffe通過）測試：Test a Fast R-CNN detector.
./tools/test_net.py --gpu 0（用0不能用1,如果用1會顯示核心已轉存，即是記憶體出錯）
--def models/VGG16/test.prototxt --net output/default/voc_2007_trainval/vgg16_fast_rcnn_iter_40000.caffemodel
TIPS::如果用VGG_CNN_M_1024.v2.caffemodel這個模型，改一下中間的資料夾名稱，即將VGG16改為VGG_CNN_M_1024.v2.caffemodel即可。
任何問題請加唯一QQ2258205918（名稱samylee）！