在Ubuntu 14.04下配置FCIS的运行环境

步骤：

1. Clone the FCIS repository, and we’ll call the directory that you cloned FCIS as ${FCIS_ROOT}.

git clone https://github.com/msracver/FCIS.git[/code] 
2. Build cython module
cd FCIS
sh ./init.sh


3. Install Opencv 3
FCIS代码里使用的是opencv3

3.1 Install dependencies
sudo apt-get install libgtk2.0-dev libavcodec-dev libavformat-dev libjpeg62-dev cmake libswscale-dev libjasper-dev


3.2 下载opencv并解压：
http://opencv.org/

3.3 安装opencv，在opencv根目mkdir build
cd build
cmake ..
make
sudo make install


3.4 配置设置：
sudo gedit /etc/ld.so.conf.d/opencv.conf


在打开的文件中添加opencv的链接库路径：

/usr/local/lib


3.5 继续执行：
sudo ldconfig
sudo gedit /etc/bash.bashrc


在打开的文件中添加如下语句：

PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH


4. Install MXNet:
4.1 Clone MXNet and checkout to MXNet@(commit 62ecb60)

git clone --recursive https://github.com/dmlc/mxnet.git git checkout 62ecb60
git submodule update


4.2 Copy operators in $(FCIS_ROOT)/fcis/operator_cxx to $(YOUR_MXNET_FOLDER)/src/operator/contrib by

cp -r $(FCIS_ROOT)/fcis/operator_cxx/* $(MXNET_ROOT)/src/operator/contrib/


注意：

新版本的mxnet在operator下是没有contrib文件夹的

4.3 Compile MXNet
cd ${MXNET_ROOT}
make -j $(nproc) USE_OPENCV=1 USE_BLAS=openblas USE_CUDA=1 USE_CUDA_PATH=/usr/local/cuda USE_CUDNN=1


4.4 Install the MXNet Python binding
cd python
sudo python setup.py install


5. 运行FCIS的demo进行测试
首先下载训练好的模型
fcis_coco-0000.params
，放到
./model/pretrained_model/
下，

python ./fcis/demo.py


如果一切正常则可以看到如下结果：