因為沒有GPU，所以在CPU下訓練自己的數據，中間遇到了各種各樣的坑，還好沒有放棄，特以此文記錄此過程。
1、在CPU下配置faster r-cnn，參考博客：http://blog.csdn.net/wjx2012yt/article/details/52197698#quote
2、在CPU下訓練數據集，需要對py-faster-rcnn內的roi_pooling_layer和smooth_L1_loss_layer改為CPU版本，
並重新編譯。這位博主對其進行了修改，可直接進行替換：http://blog.csdn.net/qq_14975217/article/details/51495844
3、制作自己的VOC數據集，這部分參考博客：http://blog.csdn.net/gvfdbdf/article/details/52214008
4、為防止與之前的模型搞混,訓練前把output文件夾刪除（或改個其他名），還要把py-faster-rcnn/data/cache中的文件和
py-faster-rcnn/data/VOCdevkit2007/annotations_cache中的文件刪除（如果有的話）。
5、訓練前的修改。我的數據集是檢測監控視頻中的人，因此只有背景和人兩類。按着這篇博客進行修改就行了：
http://blog.csdn.net/sinat_30071459/article/details/51332084
還要修改py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt中的solve文件設置，包括stepsize，base_lr，
否則訓練時很容易出現loss=-nan的情況
6、在py-faster-rcnn中訓練
./experiments/scripts/faster_rcnn_alt_opt.sh 0 ZF pascal_voc
7、測試
將訓練得到的py-faster-rcnn\output\faster_rcnn_alt_opt\***_trainval中ZF的caffemodel拷貝至
py-faster-rcnn\data\faster_rcnn_models，修改py-faster-rcnn\tools\demo.py（主要是類別的修改
和測試圖片的修改）。運行
python demo.py --cpu
8、結果
可能是我數據量太少且質量不好（1000張），訓練次數不夠（1000×4），檢測效果不太好，在默認閾值下檢測不出來。
當把demo.py中的CONF_THRESH降低到0.1時才檢測出來一張，且速度很慢，大概13秒一張，效果一般。
我將訓練次數增加到了（10000，5000，10000，5000），跑了一天，結果沒有任何改善。