Python版本:https://github.com/rbgirshick/py-faster-rcnn
一、准备工作： （1）安装vs2013；
http://download.csdn.net/detail/sinat_25434937/9732840 傻瓜式安装，双击然后下一步即可，安装路径要知道
（2）安装Matlab；
网上下载matlabR2014a,并且破解，安装路径要知道 上面的安装顺序最好不要乱，否则可能出现Matlab找不到vs的情况，在Matlab命令行窗口输入：mbuild -setup，如果出现下图所示说明Matlab可以找到vs2013：
解决mbuild -setup编译出错问题：
http://blog.csdn.net/sinat_25434937/article/details/54018054
（3）配置opencv2.4.9
http://blog.csdn.net/sinat_25434937/article/details/54022083
（4）安装CUDA；
http://blog.csdn.net/sinat_25434937/article/details/54023871 CUDA应在安装vs2013后再安装。
（5）安装caffe
http://blog.csdn.net/sinat_25434937/article/details/54288272 二、faster rcnn 测试过程 （1） 如果你的cuda是6.5，那么，运行一下：
fetch_data/fetch_caffe_mex_windows_vs2013_cuda65.m （运行代码下载失败的话，用百度云下载： https://pan.baidu.com/s/1i3m0i0H ，解压到faster_rcnn-master下） 得到mex文件。如果不是cuda6.5（如我的是cuda7.5），则需要自己编译mex文件，编译过程参考这里：准备过程的第五步，按步骤做就行了。（2）运行faster_rcnn-master\faster_rcnn_build.m
在根目录下运行，function faster_rcnn_build()，若出错且提示“无法打开 nms_gpu_mex.o”，则找到.\functions\nms\nvmex.m 文件，修改VS的安装路径到你自己的路径，默认安装在C盘。再重新编译..即可 在根目录下运行startup.m，配置搜索路径... （3）运行faster_rcnn-master\startup.m （4）运行faster_rcnn-master\fetch_data\fetch_faster_rcnn_final_model.m 下载训练好的模型 （下载失败的话，可以用百度云下载：https://pan.baidu.com/s/1hsFKmeK ，解压到faster_rcnn-master下） （5）修改faster_rcnn-master\experiments\script_faster_rcnn_demo.m的model_dir为你下载的模型，然后运行。 最终得到：
