Widows下Faster R-CNN的MATALB配置（CPU）

1. Faster R-CNN的MATLAB源码
2. Windows下的Caffe配置（matlab接口）
3. Preparation for Testing
Reference

吐槽！！！

这都9012了，感觉自己太菜了；

终于将代码初步跑通了，报了很多错，费了很大劲，回过头来，再重新整理一遍；

这里需要说明的一点是这是CPU版本的；

另外，如果你的机器配置和Faster R-CNN源码中指定的配置完全一致，继续这篇文章可能就不太适合了；

如果你想在Windows下编译适合自己机器配置的提供matlab接口的caffe，并完成faster r_nn的matlab源码的测试，请继续阅读下去；

环境配置：

Windows 10
VS 2013
MATLAB 2018a

补充说明：

建议安装VS2013，我一开始安装的是VS2015，后来出了许多问题，浪费了不少时间，又装回了VS2013，至于哪里出问题，以及为什么要使用VS2013，后续会说明；

还有一点，有些博客中提到建议先安装VS，再安装MATLAB，防止MATLAB找不到C编译器；因为之前我就安装了MATALB，所以并没有按照其他博客中建议的来做，最后发现还是好使的；

扫描二维码关注公众号，回复： 6287585 查看本文章

1. Faster R-CNN的MATLAB源码

下载faster_rcnn的matlab源码：下载地址

得到./faster_rcnn文件夹；

补充说明：

如果你使用的是git进行clone的话，是./faster_rcnn/文件夹；如果直接Download Zip的话，解压出来的应该是./faster_rcnn-master/文件夹；当然，这一说明只做提醒，防止后续出乱子；

打开matlab，定位到./faster_rnn/，目录结构如下图所示；

部分文件夹介绍：
experiment/：主要是用于testing/training的脚本；
external/：主要存放成功编译的提供matlab接口的caffe；（后面将花费很多时间在这个上面）
fetch_data/：下载作者提供的caffe以及一些预训练好的模型文件；

其中的都是一些依赖方法，大家可以去看一下；

补充说明：

有关external/存放的是已经编译好的提供matlab接口的caffe，后续我们将使用VS进行编译，并将编译好的caffe放进其中；

有关fetch_data/中有一个脚本文件fetch_caffe_mex_windows_vs2013_cuda65.m用于下载作者提供的编译好的caffe，因为我们需要重新编译，所以并不会使用它；

2. Windows下的Caffe配置（matlab接口）

下面就开始编译提供matlab接口的caffe了，也就是上述./faster_rcnn/exteral/文件夹中所需的文件；

这里我们使用的Microsoft提供的caffe：下载地址；得到./caffe/文件夹；（也可能是./caffe-master/）

打开./caffe/windows/，找到CommonSettings.props.example文件，复制后，将名称改为CommonSettings.props，如下图：

使用notepad打开CommonSettings.props，修改下面内容：

第7行： <CpuOnlyBuild>false</CpuOnlyBuild> 修改成：<CpuOnlyBuild>true</CpuOnlyBuild>
第8行： <UseCuDNN>true</UseCuDNN> 修改成： <UseCuDNN>false</UseCuDNN>
第16行： <MatlabSupport>false</MatlabSupport> 修改成： <MatlabSupport>true</MatlabSupport>

上述三处修改分别表示，仅仅使用CPU、不使用CudNN、使用MATLAB；

继续修改：

第53行： <MatlabDir>C:\Program Files\MATLAB\R2014b</MatlabDir> 修改成：<MatlabDir>F:\software\Matlab 2018a</MatlabDir>
第55行： <IncludePath>$(MatlabDir)\extern\include;$(IncludePath)</IncludePath> 修改成：<IncludePath>$(MatlabDir)\extern\include;$(MatlabDir)\toolbox\distcomp\gpu\extern\include;$(IncludePath)</IncludePath>

上述第一处修改指定MATLAB安装位置；

修改完成，使用VS2013打开./caffe/windows/Caffe.sln，双击即可；

打开之后，将Debug模式调成Release模式；（在调试的过程中，可能会重新加载项目，注意需要调整成Release）

添加roi_pooling_layer.cpp

打开解决方案资源管理器，找到libcaffe/cu/layers/右键—》添加—》现有项，在./caffe/src/caffe/layers/中找到roi_pooling_layers.cpp文件，进行添加，如下图；

添加成功后，可以看到libcaffe/cu/layers/下有roi_pooling_layers.cpp文件；

重新生成libcaffe

选择libcaffe，右键—》重新生成；

会自动还原NuGet包；

之后会出现一个错误：error C2220：....双击，弹出错误提示信息，确定后，会打开一个alt_sstream_impl.hpp文件；

Ctrl+S进行保存；然后重新生成；

补充说明：

在选择重新生成后，会自动还原BuGet包，如果幸运，还原成功后，会出现上述错误；如果失败，那就是其他问题；

需要还原哪些NuGet包，都在ibcaffe/packages.config中定义，如下图所示；其中有些包的名称为vc120表示适用于VS2013；而VS2015的话，对应名称则为vc140；

之前说过我将VS2015卸载，重新装的VS2013；你可能会想将对应的vc120改成vc140不就ok了吗？当然了，卸载VS2015前，还没有看到这个packages.config文件，那会啥也不懂啊；后来也考虑这样做行不行，但是应该不行，因为在NuGet网站，有些包根本就没有vc140版本的，只有vc120版本；

总不能一部分使用VS2013的包，一部分使用VS2015的吧。不过没试过，结果谁知道呢。

重新生成matcaffe

如果上面幸运的话，没出什么错，那这里也不会遇到什么麻烦了；

类似重新生成libcaffe，以同样的方式，选择matcaffe，右键—》重新生成；

到目前为止，我们已经有了三个文件夹，如下图所示：

./caffe/：表示microsoft提供的caffe；
./faster_rcnn/：表示faster r-cnn的matlab源码；
./NugetPackages/：就是在编译libcaffe时还原出来的NuGet包；
另外，./caffe/Build/x64/Release/下就是得到caffe；

经过上面一系列的操作，我们已经成功编译了支持matlab接口的caffe；

为保证后续测试的正常执行，这里仍需要一步配置：

在./faster_rcnn/external/caffe/下新建文件夹/matlab/；
将./caffe/Build/x64/下将Release文件夹复制到上述新建的/matlab/文件夹中；
将./faster_rcnn/external/caffe/matlab/Release/添加到系统的path中，见下图；

在matlab命令行执行：

mex -setup

选择 Microsoft Visual C++ 2013 (C) 进行C语言编译，如下图：

3. Preparation for Testing

Preparation

下面就开始配置Faster R-CNN的Matlab源码进行测试了；

根据Faster R-CNN源码中的使用方法进行Preparation for Testing，如下图；

需要执行fetch_data/fetch_caffe_mex_windows_vs2013_cuda65.m，该脚本文件使用来下载作者提供的编译好的caffe的，因为上面我们已经编译好了适合我们自己机器的caffe，这里不需要执行；
执行faster_rcnn_build.m文件，如果出现错误，重启matlab；遇到下图错误，则表示正常，因为我们配置是CPU版本；

执行start_up.m，应该不会出现什么错误；

该脚本的目的是创建所需文件夹、添加搜索路径；此时，已经将我们编译好的caffe加载到搜索路径了；

% 输入
caffe.reset_all();

% 输出
Cleared 0 solvers and 0 stand-alone nets

表示matlab接口的caffe测试成功；

Testing

根据Faster R-CNN源码中的使用方法进行Testing，如下图；

别着急，执行fetch_data/fetch_faster_rcnn_final_model.m；该文件是作者提供的训练好的模型文件，以及一些预训练模型用于Training；其中下载链接好像需要FQ，如果有需要的话，可以从这里下载：下载地址，提取码：62n6；

下载完成后，解压到./faster_rcnn/中，覆盖原来的./faster_rcnn/output/文件夹，以及多出了五张图片；
打开`./faster_rcnn/experiments/script_faster_rcnn_demo.m，进行如下修改：

至于第三处修改，是因为VGG-16网络太大了，试着跑了一下，跑不动，换成了ZF-Net；