参考：https://cloud.tencent.com/developer/news/303081
实现步骤也很简单，实现流程如下：
1.安装前准备：
安装前请确保TensorFlow和相关的依赖库安装成功
2.下载 faster rcnn程序包
连接：https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3
解压，然后可以看一下里面的readme
3.安装python依赖库
注意还是要在TensorFlow虚拟环境下安装，命令：
pip install cython
pip install python-opencv
pip install easydict
4.编译：
在cmd中使用cd命令到解压后的文件夹下../data/coco/PythonAPI目录下，执行以下代码：
python setup.py build_ext --inplace
python setup.py build_ext install
执行时如果报错 Unable to find vcvarsall.bat，建议安装visual studio 2015，安装时默认的语言是C#和VB，需要把C++也勾上。
附python版本与C++编译器版本对应关系图：
所以，VS2015必不可少
如果已经安装了VS 2015，检查VS安装目录下是否有vcvarsall.bat文件，例如我的路径为：D:Program Files (x86)Microsoft Visual Studio 14.0VC，如果没有此文件，表明安装时是默认安装的，还缺少C++编译文件，这个时候可以打开VS，新建项目，语言选择C++，此时VS会让你安装一个工具，安装后就好了。
5.下载VOC2007格式的数据集
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar
将下载后的三个压缩包解压到同一个文件夹下，以WinRAR为例，同时选中三个压缩包，右键，然后选择解压到当前文件夹
可以得到VOCDevkit文件夹，将VOCDevkit重命名为VOCDevkit2007，然后将这个文件夹拷贝到你自己的Faster-RCNN中data目录下
6.下载预训练的VGG16网络模型：
下载地址：http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz
下载之后解压，文件重命名为vgg16.ckpt，新建文件夹imagenet_weights，把vgg16.ckpt放到imagenet_weights下，再将imagenet_weights文件夹拷贝到data文件夹下，
这样，VGG16网络模型的地址应该类似于这样：../data/imagenet_weights/vgg16.ckpt
7.训练模型：
在faster rcnn目录下运行命令
python train.py
OK，搞定，这时候，就是在用VOCDevkit2007下的示例图片训练分类模型了。第一次运行时可能会报错说找不到matplotlib，scipy，PIL（对应的是pillow库）等，安装这些库就好了。另外，不管是CPU版本还是GPU版本的TensorFlow，建议是使用较低版本的，比如1.3。使用anaconda的好处就是，你随时可以新建一个虚拟环境，重新安装配置TensorFlow，不用去管python环境了。
模型训练结束后，
在 ..defaultvoc_2007_trainvaldefault目录下可以看到训练的模型
默认每5000次保存，一共迭代40000次（max_iters），这些在config.py中可以自己设置。
9.运行demo
在运行demo.py前在编辑器中对demo.py作些更改
这句代码指向训练模型结果，但实际是不存在的，需要我们新建文件夹，并且拷贝上一步生成的模型到该文件夹下，为了简化，直接把这句代码替换成自己的路径即可，例如：
tfmodel=r'D:FasterRCNNoutputvgg16voc_2007_trainvaldefaultvgg16_faster_rcnn_iter_40000.ckpt'
注意后缀是ckpt，关于tensorflow生成的ckpt模型，大家可以自行查阅相关的参考资料，这里简单介绍一下，ckpt模型实际包含三个部分，ckpt.meta保存graph结构，ckpt.index是一个string-string table，ckpt.data保存模型的所有变量值
另外，找到def parse_args()函数，输入的参数中net默认是res101，dataset默认是pascal_voc_0712，实际上我们用的网络模型是vgg16，数据集是pascal_voc，改成下面这样：
然后，就可以运行了，执行代码：
python demo.py
这样就能得到文章开头的结果了。