用于检测的CNN分为基于回归网络的方法和基于区域+CNN网络的方法，其中基于回归网络的方法典型为YOLO9000，可以兼容使用VGG-Net框架。其中基于区域+CNN网络方法，大量使用了Caffe作为基础CNN框架。
准备工作（python27环境，X64平台，使用Vs2013和Vs2015）：
1. 安装 VcforPython27 9.0或者安装VS2010版本。此步骤涉及到Python库的安装是否成功。
2. 安装 Python27 X64；
3. 使用pip安装Python 包：numpy、matlpotlib、six、scipy、scikit-image、scikit-learn。
scipy 最好使用 下载版本的X64版本的 whl包。
一、使用FasterR-CNN
Windows下faster-rcnn的编译可以分为2个部分，caffe的编译和faster-rcnn的编译。由于原始的版本大多基于linux，感谢各位前辈的移植与分享，现在windows版本的在网上都可以找到。但对于初学者可能还是有一些坑要填。以下是我遇到的一些问题和解决方法，用以存档。
二、Vs2013安装使用MS-Caffe
C++版本编译过程：
原文链接：Windows+VS2013爆详细Caffe编译安装教程
https://github.com/Microsoft/caffe
建议使用Git 克隆整个工程到本地
4.编译工程文件
4.1打开caffe-master文件夹,然后看到一个windows文件夹,然后继续打开windows文件夹,看到里面一个CommonSettings.props.example文件,复制出来一份,并改名字为CommonSettings.props
注意：
1. 编辑模式打开 CommonSettings.props 文件，找到CUDA version一栏，修改7.5 为8.0 。
否则会出现libCaffe打不开/载入不了的情况。
2.编译boost时出现错误，忽视掉错误，把文件保存，即可编译boost通过。
3.此外找到：<cuDnnPath></cuDnnPath>这一行，在中间添加cudnn目录，我的是C:\Tools\cdunn;
同步修改接下来第11、12行的 <LibraryPath>和<IncludePath>
但是这样做，会导致出现错误：
错误 1 error MSB3073: 命令“"D:\caffe-windows\windows\\scripts\BinplaceCudaDependencies.cmd" "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\bin" "" false true "D:\caffe-windows\windows\..\Build\x64\Debug\"
:VCEnd”已退出，代码为 1。 C:\Program Files (x86)\MSBuild\Microsoft.Cpp\v4.0\V120\Microsoft.CppCommon.targets 132 5 libcaffe4.2 用VS2013打开Caffe.sln(就到刚刚那个文件夹里面),打开效果如下
4.3. 使用Vs2013打开，可以进行编译。
使用Ms-Caffe需要在线下载一些依赖库，需要消耗较多的时间，要慢慢地等一会.......
C++版本测试运行：
编译测试成功
................................
Python版本编译测试运行：
文章链接： 微软官方caffe之 Python接口配置及图片生成实例 仔细看，不要遗漏细节.
修改配置文件CommonSettings.props，
修改Python支持为true
<PythonSupport>true</PythonSupport> 添加自身机子的Python安装目录
<PythonDir>C:\Python2\</PythonDir> 编译pycaffe工程，在X64/realease 文件夹下面生成 pycaffe的文件夹。
使用：
把文件夹里面的caffe文件夹 复制到 Python的文件夹 lib/site-packages 下面，可以在eclipse中直接使用。
import时候出现ImportError: No module named google.protobuf.internal 错误
解决方法：到安装目录 scripts下面 使用pip 或者conda 安装protobuf，默认安装libprotobuf、protobuf、vc9.0.
安装完成，可以使用
按照官网的指示安装Caffe2: https://caffe2.ai/docs/getting-started.html?platform=windows&configuration=compil
预编译阶段cmd、Cmake：
1.编译protobuf
Developer Command Prompt for VS 2017.protobuf. Go tocaffe2\scripts\ and runbuild_host_protoc.bat. This should build protobuf from source for your system.编译protobuf完成后，出现错误
在cmd窗口，运行caffe2\scripts\build_windows.bat,会出现错误
再次使用Cmake生成配置方案：
原路径：D:/git/DeepLearning/caffe2
目标路径：D:/git/DeepLearning/caffe2/build
Configure出现此种问题
CMake Error at cmake/ProtoBuf.cmake:21 (message):
To build protobufs locally (required for Android/iOS/Windows), you will
need to manually specify a PROTOBUF_PROTOC_EXECUTABLE. See
scripts/build_host_protoc.{sh,bat} for more details.
Call Stack (most recent call first):
cmake/ProtoBuf.cmake:32 (custom_protobuf_find)
cmake/Dependencies.cmake:6 (include)
CMakeLists.txt:85 (include)修改：
//删除掉 protobuf那一行
添加PROTOBUF_PROTOC_EXECUTABLE变量到cmake-gui配置中。做法： -----------Add Entry 条目添加。
PROTOBUF_PROTOC_EXECUTABLE=D:\git\DeepLearning\caffe2\build_host_protoc\Release\protoc.exe
此时配置生成成功！
若不执行此步骤，则出现：error MSB6006: “cmd.exe”已退出，代码为 1。
编译阶段2：可以使用VS2015打开编译。
编译遇到问题：
2.1 error C2398: 元素“1”: 从“google::protobuf::int64”转换到“int”需要收缩转
解决方法：暂时没有解决
代码修改为：
//int x = b_dim1;//wishchin
int x = in[0].dims(0);//wishchin
return vector<TensorShape> {
CreateTensorShape(
vector<int> { x , a_dim0, b_dim1 },//wishchin //vector<int> { in[0].dims(0), a_dim0, b_dim1 },
in[0].data_type()
)
};//(int)b_dim1},//b_dim1 修改为(int)b_dim1//wishchin强制转换，已解决。
2.2 error C2059: 语法错误:“volatile” (编译源文件 D:\Works\CNN\Caffe\Caffe2\caffe2\utils\threadpool\ThreadPool.cc)
代码段：
inline int Do256NOPs() {
asm volatile(GEMMLOWP_NOP64);
return 64;
}
GCC在C语言中内嵌汇编 asm __volatile__ 解决方法：尝试去掉asm volatile(GEMMLOWP_NOP64); 这一句
2.3 错误在 Caffe2_CPU工程 conv_op.cc文件
1>D:\Works\CNN\Caffe\Caffe2\caffe2\operators\conv_op.cc(76): error C2664: “caffe2::OpSchema &caffe2::OpSchema::CostInferenceFunction(caffe2::OpSchema::CostInferenceFunctionType &&)”:
无法将参数 1 从“caffe2::OpSchema::Cost (__cdecl *)(const caffe2::OperatorDef &,const std::vector<caffe2::TensorShape,std::allocator<_Ty>> &)”转换为“caffe2::OpSchema::CostInferenceFunctionType &&”原始代码：
OPERATOR_SCHEMA(Conv2D)
.NumInputs(2, 3)
.NumOutputs(1)
.CostInferenceFunction(ConvPoolOpBase<CPUContext>::CostInferenceForConv)//76行
.TensorInferenceFunction(ConvPoolOpBase<CPUContext>::TensorInferenceForConv)
.FillUsing(ConvDocGenerator("2D "));注销点尝试一下
分析：为什么windows版本的OPERATOR_SCHEMA()比Linux版本要多好几个？？？
2.4.找不到定义：posix_memalign(
ThreadPool文件，包含#include "WorkersPool.h" 头文件里面，使用到
#if !defined(__ANDROID__)
posix_memalign((void**)&p, kGEMMLOWPCacheLineSize, sizeof(T));
在Windows <stdlib.h>下面找不到 函数定义！！！添加定义
#define posix_memalign(p, a, s) (((*(p)) = _aligned_malloc((s), (a))), *(p) ?0 :errno)//wishchin
到"WorkersPool.h" 头文件
编译成功
2.5. 编译 convert_caffe_image_db，出现
1>Caffe2_CPU.lib(caffe2.pb.obj) : error LNK2019: 无法解析的外部符号 "class google::protobuf::internal::ExplicitlyConstructed<class std::basic_string<char,struct std::char_traits<char>,class std::allocator<char> > > google::protobuf::internal::fixed_address_empty_string" (?fixed_address_empty_string@internal@protobuf@google@@3V?$ExplicitlyConstructed@V?$basic_string@DU?$char_traits@D@std@@V?$allocator@D@2@@std@@@123@A)，该符号在函数 "public: __cdecl caffe2::Argument::Argument(class caffe2::Argument const &)" (??0Argument@caffe2@@QEAA@AEBV01@@Z) 中被引用
1>Caffe2_CPU.lib(caffe.pb.obj) : error LNK2001: 无法解析的外部符号 "class google::protobuf::internal::ExplicitlyConstructed<class std::basic_string<char,struct std::char_traits<char>,class std::allocator<char> > > google::protobuf::internal::fixed_address_empty_string" (?fixed_address_empty_string@internal@protobuf@google@@3V?$ExplicitlyConstructed@V?$basic_string@DU?$char_traits@D@std@@V?$allocator@D@2@@std@@@123@A)
1>Caffe2_CPU.lib(caffe2.pb.obj) : error LNK2019: 无法解析的外部符号 "__int64 google::protobuf::internal::empty_string_once_init_" (?empty_string_once_init_@internal@protobuf@google@@3_JA)，该符号在函数 "void __cdecl caffe2::protobuf_InitDefaults_caffe2_2fproto_2fcaffe2_2eproto_impl(void)" (?protobuf_InitDefaults_caffe2_2fproto_2fcaffe2_2eproto_impl@caffe2@@YAXXZ) 中被引用
1>Caffe2_CPU.lib(caffe.pb.obj) : error LNK2001: 无法解析的外部符号 "__int64 google::protobuf::internal::empty_string_once_init_" (?empty_string_once_init_@internal@protobuf@google@@3_JA)问题：在libprotobuf 添加
分析：caffe2::GlobalInit(&argc, &argv);
使用了函数，待调试....
解决方法：尝试编译libprotobuf为静态库！！！
解决了大部分问题
2.6. 在protobuf仍然出现 链接错误 protobuf/compile/main.cc
8>main.obj : error LNK2019: 无法解析的外部符号 "__declspec(dllimport) public: __cdecl google::protobuf::compiler::CommandLineInterface::CommandLineInterface(void)" (__imp_??0CommandLineInterface@compiler@protobuf@google@@QEAA@XZ)，该符号在函数 main 中被引用
8>main.obj : error LNK2019: 无法解析的外部符号 "__declspec(dllimport) public: __cdecl google::protobuf::compiler::CommandLineInterface::~CommandLineInterface(void)" (__imp_??1CommandLineInterface@compiler@protobuf@google@@QEAA@XZ)，该符号在函数 main 中被引用
.....................
.error LNK2019: 无法解析的外部符号 "__declspec(dllimport) public: virtual __cdecl google::protobuf::compiler::objectivec::ObjectiveCGenerator::~ObjectiveCGenerator(void)" (__imp_??1ObjectiveCGenerator@objectivec@compiler@protobuf@google@@UEAA@XZ)，该符号在函数 main 中被引用
8>main.obj : error LNK2019: 无法解析的外部符号 "__declspec(dllimport) public: __cdecl google::protobuf::compiler::js::Generator::Generator(void)" (__imp_??0Generator@js@compiler@protobuf@google@@QEAA@XZ)，该符号在函数 main 中被引用
8>main.obj : error LNK2019: 无法解析的外部符号 "__declspec(dllimport) public: virtual __cdecl google::protobuf::compiler::js::Generator::~Generator(void)" (__imp_??1Generator@js@compiler@protobuf@google@@UEAA@XZ)，该符号在函数 main 中被引用
8>D:\Works\CNN\Caffe\Caffe2\build\third_party\protobuf\cmake\Release\protoc.exe : fatal error LNK1120: 24 个无法解析的外部命令解决方法：
尝试去掉main()函数里面的代码，应该用不着！
3. 运行阶段：
X:终于成功了！
测试可以运行................