Caffe， PyCaffe 上手实践（1）
最近突发奇想要把无人机的图像数据拿来做目标跟踪，因为实在不满意大疆不推送软件更新的做法，只好自己来实现下，在几个机器学习框架中挑选了一个caffe ，比较好上手的。。另外几个Torch，TensorFlow也不错。只是最开始直接干Caffe 了，所以TensorFlow之后再弄吧。 结果就是在云服务器上，笔记本电脑上，安卓手机上分别搞了机器学习的环境和APP，可以支持图像分类，目标识别。但离实用还差得比较远，慢慢来
这张识别效果还是可以的
Caffe 和PyCaffe 环境搭建和demo运行
主要问题集中在编译这一块，首先是caffe （C++ 项目）的依赖项，另外pycaffe 依赖项问题较多.
参考官网的安装说明，我这里重点只说坑， 环境基于Ubuntu16，Ubuntu14，都试过了。
首先简单说明下，Caffe 是基于C++源码（github）编译，在这个基础上再通过git clone py-faster-rcnn 这个项目来编译Python 的接口。
如下几个坑给后人查阅
-
Cython 编译
在py-faster-rcnn 项目中首先需要搞定Cython 的环境和编译，在 RepoRoot/lib 的setup.py 中，把GPU相关的代码都注释掉，再make -
Caffe 和PyCaffe 编译
在faster-rcnn.. 中配置 Makefile.config， 然后make && make pycaffe, 在编译caffe时，可能会遇到某些库找不到，比如在ubuntu15,16上面 hdf5相关的库不在Makefile.config 默认指定的位置，参考hdf5 issue，在make文件中加上lib 的位置。 -
另外再编译pycaffe接口之前，要搞定python先关的依赖项
将caffe-fast-rcnn/python目录下的requirements下的依赖都装一遍，for req in $(cat requirement.txt); do pip install $req; done
-
可能还会遇到找不到numpy ，这个要自己查一下numpy是放到 /usr/bin 下面的python/dist-package/下了，还是/usr/local/bin/python/.. 替换下MakeFile.config中的 python 依赖包地址
-
最后还可能遇到个pyyaml 的问题，把这个库用pip 装一下。不然import yaml 找不到module
-
因为暂时采用CPU模式，GPU相关的都要注释掉，包括demo.py 中的 gpu nms_wrapper 相关的语句。
-
最终还可能遇到机器内存不够的情况。。SWAP 把云服务器或者虚拟机的虚拟内存提高点，一般实体机不会遇到这个情况。
以上过程中找到的一些博文，作为填坑的参考：
纯CPU环境下装Caffe
CPU环境下装Caffe2
github上关于CPU运行的几个issue
目标就是要借助无人机图传识别并且跟踪指定对象
一些关于机器学习与GIS应用结合的思考
看了些gis公司关于这方面的研究，主要有几类应用方向：
-
基于图像的对象识别
例如基于高分影像的道路对象识别，用于更新道路信息，当然也可用于城市空间中道路拥堵的分析，车辆的识别和追踪。 -
基于大数据的，不仅限于图像。维度更多，异构，应用难度大。例如，基于用户反馈数据的道路拥堵分析。
-
结合硬件，可以赋予无人机，无人车自动驾驶的功能。。那么其中要求控制器（例如手机或者pc）具有图像识别算法的运行环境（caffe2和tensorflow 都实现了，包括较早的opencv都可以做到）和基础设施，在读取无人机回传图像的同时做对象识别，匹配事先制定的规则，自行调整飞行方向。
初步环境已经搭好了，后面继续研究如何实时对框选样本进行识别。
