- 下载项目
```
git clone https://github.com/endernewton/tf-faster-rcnn.git
```
- 编译,配置相应的运行环境
- 安装Cpython (这里相应的模块需要根据个人平时的使用下载，有很多的本人电脑已经存在，便没有一一列举出来)
```
sudo apt-get install cpython
```
- 修改项目，改为cpu运行
【1】打开lib->fast_rcnn->config.py,查看第236行，将True修改为False.
作用：禁用gpu,使用cpu进行计算
【2】打开lib->fast_rcnn->nms_wrapper.py，进行注释，第12行
【3】打开lib->setup.py，进行注释，第55行，第120-136行
- 进入项目的lib目录中执行```make ```
- 安装Python COCO API,使用coco数据集
```shell
cd data
git clone https://github.com/pdollar/coco.git
cd coco/PythonAPI
make
```
- 运行demo和训练
- 下载预训练模型[voc_0712_80k-110k.tgz](https://pan.baidu.com/s/1kWkF3fT )
放在data文件目录下，解压.
- 建立训练模型的软连接,data文件目录下进行
```shell
NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../voc_2007_trainval+voc_2012_trainval ./default
cd ../../..
```
- 运行demo
data目录文件下
```python
../tools/demo.py
```
