本机环境：

• Mac: 10.13.4 无GPU
• python: 3.5
• tensorflow: 1.11.0

1

git clone https://github.com/endernewton/tf-faster-rcnn.git

①修改./lib/setup.py
注释掉第55、87、120-136行与cuda、GPU相关的代码



②./lib/model/nms_wrapper.py
注释掉第12、20-21行

3. 在./lib目录下建立Cython模块

清除上一次编译产生的可执行文件（.pyc、.so）

1

make clean

若不报错则编译成功。会生成.so文件、“pycache”下的.pyc文件

1

make 

返回上一级

1

cd ..

4. 在 ./data 下安装Python COCO API

1
2
3
4

git clone https://github.com/pdollar/coco.git
cd coco/PythonAPI
make
cd ../../..

5. 下载数据

setup VOC and COCO datasets (Part of COCO is done)

1
2
3
4
5
6
7
8
9
10
11
12大专栏  TensorFlow_Faster_RCNN中demo.py的运行(CPU Only)pan>
13
14

cd ./data


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

# 解压到./data/VOCdevkit/下
tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

# 创建软链接
ln -s VOCdevkit VOCdevkit2007

完成以上步骤后，data文件夹下新增2个文件夹：

• VOCdevkit（包含文件夹VOCcode、VOC2007及一些其他文件）
• VOCdevkit2007 （软链接，点击后跳转至./data/VOCdevkit/）

6. 下载预训练模型

./data/scripts/下的.sh文件中的URL无法访问，可以通过作者提供的Google Drive下载。
选择res101中的voc_0712_80k-110k.tgz，下载到./data中。

7. 建立预训练模型的软链接

1
2
3
4
5
6

NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default
cd ../../..

这6行代码的功能为：
①建立文件夹NewDir = ./output/res101/voc_2007_trainval+voc_2012_trainval/
②在新建文件夹的 ${NewDir}/default 中链接下载的预训练模型，即./data/voc_2007_trainval+voc_2012_trainval 中的4个参数文件
这时，点击./output/vgg16/coco_2014_train+coco_2014_valminusminival/default可以跳转至./data/coco_2014_train+coco_2014_valminusminival 的4个参数文件

8. 运行./tools/demo.py

对./data/demo下的图片进行检测


得到图片的主要对象及置信概率：