博主系统环境如下：编译py-faster-rcnn参考如下：caffe官网py-faster-rnn源码github博客：搭建faster-rcnn进行目标检测的环境论坛：fasterRCNNpython

报错原因：没有删除cache文件解决办法：删除py-faster-rcnn/data/VOCdevkit2007/annnotations_cache文件夹；删除py-faster-rcnn/data/

1.准备原材料https://github.com/rbgirshick/py-faster-rcnn远程的服务器翻不了墙，很烦，有些原料通过搜罗各处的百度云找到。2.跑demo.

rcnn的代码gitclone--recursivehttps://github.com/rbgirshick/py-faster-rcnn.git然后开始编译cd/home/mmt/Desktop/py-faster-rcnn

1.环境搭建与demo运行1）.配置环境环境配置可参考：https://github.com/rbgirshick/py-faster-rcnn/blob/master/README.md，作

机器人移动过程中需识别目标并根据距离作出相应处理，这些功能的移动和获取距离数据的代码都是C++写的，目标识别功能则由一个采用自己收集和标注的数据训练出的py-faster-rcnn模型来实现，这里功能上的整合实现就涉及到需要使用

刚开始的时候不知道anchor到底有什么用，知道对比了RCNN中边框回归才发现。先从RCNN说起一、RCNNrcnn在第一步采用SS得出了大约２０００多个候选区域（regionproposal)，用来进行训练和边框回归。这里不在详述边框回归的原理了。具体可以看边框回归这个链接。rcnn中采用候选区域（第一个生成的）加上ＧroundTruth进行回归。就好比现行回归中我们输入的是一对坐标，经过得到预

操作系统、编程环境及其他：window7cpupython2.7pycharm5.0django1.8x说明：本blog是上一篇blog(http://www.cnblogs.com/deeplearning1314/p/7137737.html)的后继。本blog要解决的问题是利用Python的web框架，将faster-rcnn的demo程序以网页形式展现出来，简而言之是基于B-S架构的编程，

这部分主要介绍了通过AlternatingOptimization是如何训练RPN网络的，它是怎么样的一个过程。算法过程如下图所示，M4模型是最终的输出。在该训练过程中，主要分为两大主要的Stage——stage1和stage2。可以看到他的Prototxt文件命名也是通过划分这样两个stage来命名的。stage1包括步骤1-4，stage2包括步骤5-8。本文主要展现了步骤2与步骤5是如何进行

软硬件环境：Ubuntu16.04NVIDIAGTX970cuda8.0cuDNN-v6gcc/g++版本5.3（gcc本来是5.4，后来降级到4.9后，依然编译不成功，就又升级到5.3版本，5.4版本没有测试过）FasterRCNN最后的demo.py运行可能需要python的一些安装包：cython，python-opencv，easydict等，此处先提前安装，否则运行demo.py报的各种

1、首先，先从github下载faster-rcnn的安装包https://github.com/rbgirshick/py-faster-rcnn根据里面的Readme配置好caffe环境。

代码来源：https://github.com/rbgirshick/py-faster-rcnn代码目录：Fast-Rcnn是一个two-steps目标检测算法，与之对应的是one-stepYOLO算法

目录一、安装显卡驱动二、安装VS2013三、安装Anaconda2四、安装CUDA8.0五、安装cuDNN5六、安装Caffe七、配置FasterRCNN八、测试----跑通demo.py环境：系统：windows1064bitGPU:NNIFIAGTX1080Ti框架：caffe语言：python一、安装显卡驱动1.下载下载地址：https://www.nvidia.cn/Download/in

环境：系统：Ubuntu16.0.4GPU:NNIFIAGTX1080Ti框架：caffe语言：pythonFasterRCNN源码：https://github.com/rbgirshick/py-faster-rcnn

、测试环境：系统：Ubuntu16.0.4GPU:NNIFIAGTX1080Ti框架：caffe语言：pythonFasterRCNN源码：https://github.com/rbgirshick/py-faster-rcnn

大神工程https://github.com/rbgirshick/py-faster-rcnn1.修改配置Makefile.config编译py-faster-rcnn2.下载VOC2007数据集，解压到py-faster-rcnn

faster-rcnn分为matlab版本和python版本,首先记录弄python版本的环境搭建过程.matlab版本见另一篇：faster-rcnn(testing):ubuntu14.04+caffe+cuda7.5+cudnn5.1.3+opencv3.0+matlabR2014a环境搭建记录首先,进入官方github网站:https://github.com/rbgirshick/py-

ubuntu14.04+cuda7.5安装官方步骤版与ubuntu14.04+cuda7.5+caffe+cudnn7.5+anaconda+opencv2.4.9系统整合(2016.12.3)切入正题1.github中py-faster-rcnn

FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworksPython实现：https://github.com/rbgirshick/py-faster-rcnn

问题：训练py-faster-rcnn的时候，py-faster-rcnn目录下的文件因为是从Windows上传到服务器上，所以很多脚本没有执行权限，而每个脚本单独加权限比较麻烦，还好chmod命令替我们解决了这个问题解决

py-faster-rcnn（caffe）的end2end使用自己的数据从安装，训练到demo.py记录https://www.jianshu.com/p/60f189b095f1

/py-faster-rcnn/lib/目录下使用如下指令：$treelib就会得到如下树形结构lib├──datasets│├──coco.py│├──ds_utils.py│├──factory.py

先上git地址：https://github.com/rbgirshick/py-faster-rcnn(也可以上github搜索fasterr-cnn，星最多的那个py就是了)目录一.目标检测的任务二

copiedtheVOCdevkittodatafolderandrenamedittoVOCdevkit2007andhavenoproblemnow.ImightbewrongbuttheinitialcommandshadmedownloadtheVOCdevkitinthefaster-rcnnrootdirectory.复制VOCdevkit到data目录，重命名为VOCdevkit20

InstallFaster-rcnn源码地址：https://github.com/rbgirshick/py-faster-rcnn由于fasterrcnn依赖是基于caffe的，所以需要先安装caffe

其实它的修改方式和py-faster-rcnn差不多。

想网上查一下caffe的案例跑一跑下载fasterr-cnn：gitclone--recursivehttps://github.com/rbgirshick/py-faster-rcnn.git进入py-faster-rcnn

参考：https://www.cnblogs.com/dudumiaomiao/p/6556111.htmlhttp://m.blog.csdn.net/hongbin_xu/article/details/77278329http://www.cnblogs.com/dudumiaomiao/p/6556111.htmlhttp://bealin.github.io/2016/10/23/Caf

关于fasterrcnn安装过程，参照官网教程即可，这里使用的是Python版本的fasterrcnn，链接地址为https://github.com/rbgirshick/py-faster-rcnn

之前一段时间一直在搞有关于faster_rcnn的框架的研究，看了许多网上开源的各种各样的由最原始的py-faster-rcnn而再次实现的代码，这些代码让我加深了对论文的理解，也了解到了编程实现中的一些小的技巧

使用py-faster-rcnn训练自己的数据faster-rcnn原本使用voc2007数据集训练，可识别20类目标。但是我们的应用场景，可能只需要2、3类。

但为了更好更流畅的配置py-faster-rcnn，这里记录下详细过程（坑）1、还是安装依赖库详见我的博客Mac下安装Caffe—CPUONLY2、确认安装Cythoneasydictprotobuf3

py-faster-rcnn源码解读系列（一）——train_faster_rcnn_alt_opt.py-sunyiyou9的博客-博客频道-CSDN.NEThttp://blog.csdn.net/

问题1：from._caffeimportNet,SGDSolver,NesterovSolver,AdaGradSolver,\ImportError:libcaffe.so.1.0.0-rc3:cannotopensharedobjectfile:Nosuchfileordirectory解决方法：cdcaffe-fast-rcnn/->mkdirbuild->cdbuild->cmke..-

在编译py-faster-rcnn的pycaffe时出现以上错误：CXX.build_release/src/caffe/proto/caffe.pb.ccCXXsrc/caffe/blob.cppCXXsrc

(1)缺少opencvfasterrcnnImportError:Nomodulenamedcv2=>condainstallopencv(2)参数错误Traceback(mostrecentcalllast):File"./tools/train_net.py",line88,incfg_from_list(args.set_cfgs)File"/home/lab309/Documents/py

编译py-faster-rcnnAuthor:LiqiDate:2018.08.23E-mail:[email protected].本机配置Ubuntu16.04CUDA9.0&CUDNN7.1.3python2.7查看CUDA和CUDNN版本的方法：终端中输入cuda版本cat/usr/local/cuda/version.txtcudnn版本cat/usr/local/cuda/incl

转自XZZPPP的py-faster-rcnndemo.py解析对py-faster-rcnn/tools/demo.py文件的解析，运行方式是./demo.py–netvgg16#!

我（lee）在这份博客中对py-faster-rcnn配置运行demo.py做出相应操作说明，希望可以解决大家对py-faster-rcnn配置的困惑，少走弯路。

1.下载源码Python版本：https://github.com/rbgirshick/py-faster-rcnn网传需要用–recursive命令复制源码，否则无法clone到caffe，但是我用的自己的

本程序在py-faster-rcnn/tools/demo.py的基础上进行修改程序功能：利用训练好的caffemodel，对人脸进行标注[python]viewplaincopy#!

在Fast-R-CNN中，第一步需要先使用SelectiveSearch方法提取图像中的proposals。基于CPU实现的SelectiveSearch提取一幅图像的所有Proposals需要约2s的时间。在不计入proposal提取情况下，Fast-R-CNN基本可以实时进行目标检测。但是，如果从端到端的角度考虑，显然proposal提取成为影响端到端算法性能的瓶颈。目前最新的EdgeBoxe

文章转自：https://blog.csdn.net/zhang_shuai12/article/details/52295438本文安装python版本的faster-rcnn项目。matlab版本请移步：https://github.com/ShaoqingRen/faster_rcnnpython版本项目主页：https://github.com/rbgirshick/py-faster-r

本程序是在py-faster-rcnn/tools/demo.py的基础上进行修改的程序功能：用训练好的caffemodel，对FDDB人脸进行标注，便于其在FDDB上进行测试#!

已安装好Py-Faster-Rcnn，并已完成配置，可使用官方提供的模型和demo.py来检测图片。我们使用的系统是ubuntu1

对py-faster-rcnn/tools/demo.py文件的解析：运行该文件：先cd进入到py-faster-rcnn根目录，再在命令后窗口输入:.

转载：http://blog.csdn.net/xzzppp/article/details/52073107对py-faster-rcnn/tools/demo.py文件的解析：运行该文件：先cd进入到

今天在配置py-faster-rcnn时遇到错误:ubun2@ubun2:~/py-faster-rcnn$.

在安装windows版fasterRCNN的时候，用用build_win.cmd的方式编译了好几天各种问题,参考这篇博客,一天就弄好了.非常感谢作者的分享,不过作者七、配置FasterRCNN中的第一步1.下载说的不够详细,我进行了优化.一、安装显卡驱动1.下载下载地址：http://www.nvidia.cn/Download/index.aspx?lang=cn下载选项：（以GTX1080为例

ubuntu14.04GPU1080(8G),CUDNN8.0Matlab在VGG16中训练fasterrcnn所需的GPU内存是8G，但是如果用官方的Matlab版本进行训练却报错，显示内存不足，可是同样的VGG16在py-faster-rcnn