最近突發奇想要把無人機的圖像數據拿來做目標跟蹤，因為實在不滿意大疆不推送軟件更新的做法，只好自己來實現下，在幾個機器學習框架中挑選了一個caffe ，比較好上手的。。另外幾個Torch，TensorFlow也不錯。只是最開始直接干Caffe 了，所以TensorFlow之后再弄吧。 結果就是在云服務器上，筆記本電腦上，安卓手機上分別搞了機器學習的環境和APP，可以支持圖像分類，目標識別。但離實用還差得比較遠，慢慢來
Caffe 和PyCaffe 環境搭建和demo運行
主要問題集中在編譯這一塊，首先是caffe （C++ 項目）的依賴項，另外pycaffe 依賴項問題較多.
參考官網的安裝說明，我這里重點只說坑， 環境基于Ubuntu16，Ubuntu14，都試過了。
首先簡單說明下，Caffe 是基于C++源碼（github）編譯，在這個基礎上再通過git clone py-faster-rcnn 這個項目來編譯Python 的接口。
如下幾個坑給后人查閱
Cython 編譯
在py-faster-rcnn 項目中首先需要搞定Cython 的環境和編譯，在 RepoRoot/lib 的setup.py 中，把GPU相關的代碼都注釋掉，再makeCaffe 和PyCaffe 編譯
在faster-rcnn.. 中配置 Makefile.config， 然后make && make pycaffe, 在編譯caffe時，可能會遇到某些庫找不到，比如在ubuntu15,16上面 hdf5相關的庫不在Makefile.config 默認指定的位置，參考hdf5 issue，在make文件中加上lib 的位置。另外再編譯pycaffe接口之前，要搞定python先關的依賴項
將caffe-fast-rcnn/python目錄下的requirements下的依賴都裝一遍，for req in $(cat requirement.txt); do pip install $req; done
可能還會遇到找不到numpy ，這個要自己查一下numpy是放到 /usr/bin 下面的python/dist-package/下了，還是/usr/local/bin/python/.. 替換下MakeFile.config中的 python 依賴包地址
最后還可能遇到個pyyaml 的問題，把這個庫用pip 裝一下。不然import yaml 找不到module
因為暫時采用CPU模式，GPU相關的都要注釋掉，包括demo.py 中的 gpu nms_wrapper 相關的語句。
最終還可能遇到機器內存不夠的情況。。SWAP 把云服務器或者虛擬機的虛擬內存提高點，一般實體機不會遇到這個情況。
以上過程中找到的一些博文，作為填坑的參考：
純CPU環境下裝Caffe
CPU環境下裝Caffe2
github上關于CPU運行的幾個issue
一些關于機器學習與GIS應用結合的思考
看了些gis公司關于這方面的研究，主要有幾類應用方向：
基于圖像的對象識別
例如基于高分影像的道路對象識別，用于更新道路信息，當然也可用于城市空間中道路擁堵的分析，車輛的識別和追蹤。基于大數據的，不僅限于圖像。維度更多，異構，應用難度大。例如，基于用戶反饋數據的道路擁堵分析。
結合硬件，可以賦予無人機，無人車自動駕駛的功能。。那么其中要求控制器（例如手機或者pc）具有圖像識別算法的運行環境（caffe2和tensorflow 都實現了，包括較早的opencv都可以做到）和基礎設施，在讀取無人機回傳圖像的同時做對象識別，匹配事先制定的規則，自行調整飛行方向。
初步環境已經搭好了，后面繼續研究如何實時對框選樣本進行識別。
