用FR-CNN来运行一个图片中目标检测的例子

安装了FR-CNN以后，运行demo.py没有问题了。
找一个图片来自己测试一下。

当然现在还只能使用VOC2007（VOC2012）的图片，因为只有这两个数据集，作者提供了预先计算好的Roi。

准备数据

1. 从VOC2007中找一个图片。从~/fast-rcnn/VOCdevkit/VOC2007/JPEGImages中选择一张图片，拷贝到 ~/fast-rcnn/tools目录下。
   例如我想要检测汽车，所以选择002779.png这个图片。

2. 得到Seletive Search的roi proposals。
   用matlab的import data，加载~/fast-rcnn/data/selective_search_data/voc_2007_train.mat。
   这个数据集中包括两个cell变量，一个images，一个boxes。
   images中存储了图片名称以及其在boxes中对应的索引号。
   boxes中存储了每个图片的boxes（roi proposals）
   重命名boxes为~all_boxes~，因为后面需要用boxes这个名字。
   从images中找到图片对应的索引号，例如002779.png的索引号是691; 001435.png的索引号是346.

boxes=uint16(cell2mat(all_boxes(691)));

然后把boxes变量存储为~/fast-rcnn/data/demo/002779_boxes.mat

修改demo.py

    print '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
    print 'Demo for data/demo/002779.jpg'
    demo(net, '002779', ('car',))

运行：

./tools/demo.py --cpu

我的AMD破机器上运行了58秒。正面的车子，效果似乎不是太好:

换一个图，稍微小一点的车：