r-cnn系列代码编译及解读(2)
来源:互联网 发布:linux无法发送tcp 编辑:程序博客网 时间:2024/06/15 12:13
本文针对RBG的 faster rcnn 代码,做以下工作:
1)完成安装及配置
2)使用自己的数据做训练和测试
faster-rcnn安装
与 fast-rcnn的安装 非常类似:
1) 克隆源代码
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git
2)编译Cython模块
cd caffe-fast-rcnn/libmake
3)替换最新caffe文件,解决cudnn5的错误
include/caffe/layers/cudnn_relu_layer.hppsrc/caffe/layers/cudnn_relu_layer.cppsrc/caffe/layers/cudnn_relu_layer.cuinclude/caffe/layers/cudnn_sigmoid_layer.hppsrc/caffe/layers/cudnn_sigmoid_layer.cppsrc/caffe/layers/cudnn_sigmoid_layer.cuinclude/caffe/layers/cudnn_tanh_layer.hppsrc/caffe/layers/cudnn_tanh_layer.cppsrc/caffe/layers/cudnn_tanh_layer.cuinclude/caffe/layers/cudnn_conv_layer.hppsrc/caffe/layers/cudnn_conv_layer.cppsrc/caffe/layers/cudnn_conv_layer.cuinclude/caffe/util/cudnn.hpp
4)编译
cd caffe-fast-rcnnmake -j8 && make pycaffe
5)下载模型文件,测试
# caffe-fast-rcnn/data/fetch_faster_rcnn_models.sh# caffe-fast-rcnn/data/fetch_imagenet_models.sh# 从以上两个文件中拿到下载地址,国内需要翻墙下载./tools/demo.py
图1. faster-rcnn 测试demo结果(平均耗时90ms)
使用自己的数据训练
参考这篇文章,思路是:
1)首先将自己的数据转成 pascal_voc 的格式;
2)然后修改faster-rcnn中数据读取接口;
3)然后根据自己数据的类别数修改训练模型;
4)使用/tools/train.py训练;
5)修改/tools/demo.py做测试
训练数据格式化
faster-rcnn使用 pascal_voc 数据做训练和测试,为了最少的变动代码,将我们的数据也换成pascal_voc格式
推荐使用开源工具 labelImg ,可以很方便的在图像中框选目标,并自动生成pascal_voc格式的xml文件。这里特别需要注意坐标格式,框选的时候一定要从左上到右下的顺序
完成后将图片放在 py-faster-rcnn/trainval/JPEGImages/ 目录下
将xml文件放在 py-faster-rcnn/trainval/Annotations/ 目录下
在 py-faster-rcnn/trainval/ 目录下新建一个文件 ImageList.txt,逐行记录图片的名称(不要后缀)
修改数据读取接口
1)修改 py-faster-rcnn/lib/pascal_voc.py 文件
复制pascal_voc.py为my_voc.py
a.修改初始化 函数
class my_voc(imdb): def __init__(self, image_set, devkit_path=None): imdb.__init__(self, image_set) self._image_set = image_set self._devkit_path = devkit_path self._data_path = os.path.join(self._devkit_path) self._classes = ('__background__', # always index 0 'target1', 'target2', 'target3') self._class_to_ind = dict(zip(self._classes, xrange(len(self._classes)))) self._image_ext = '.jpg' self._image_index = self._load_image_set_index('/ImageList.txt') # Default to roidb handler self._roidb_handler = self.selective_search_roidb self._salt = str(uuid.uuid4()) self._comp_id = 'comp4'...
b.修改 _load_image_set_index 函数
image_set_file = os.path.join(self._data_path + imagelist)...
c.修改 _load_pascal_annotation 函数
...x1 = float(bbox.find('xmin').text) y1 = float(bbox.find('ymin').text) x2 = float(bbox.find('xmax').text) y2 = float(bbox.find('ymax').text)...
d.修改 main 函数
if __name__ == '__main__': from datasets.my_voc import my_voc d = my_voc('trainval/') res = d.roidb from IPython import embed; embed()
2)修改 py-faster-rcnn/lib/factory.py 文件
a.import 换成 my_voc 模块
from datasets.my_voc import my_voc
c.注释掉接下来的 3段 set up
d.修改 name, devkit
name = 'my'devkit = '/home/xxx/py-faster-rcnn/trainval'__sets['my'] = (lambda name = name, devkit = devkit: my_voc(name, devkit))
在训练时可能还会有其他错误,比如这里提到的“pb2.text_format”的问题,是由于 protobuf版本的原因,直接 import google.prototxt.text_format 可解决
修改训练模型
faster-rcnn里提供了 vgg16,vgg_cnn_m_1024,zf 大中小3个模型
目录 py-faster-rcnn/data/faster_rcnn_models 是作者使用pascal_voc数据训练好的模型,可以直接拿来检测
目录 py-faster-rcnn/data/imagenet_models 是在 imagenet上训练好的通用模型,用来初始化网络(其实也就是finetunning)
目录 py-faster-rcnn/models/pascal_voc 是3个模型的porototxt文件,在这里需要修改相应参数
复制 pascal_voc 为 my_voc ,以 vgg_cnn_m_1024模型为例,修改 VGG_CNN_M_1024/faster_rcnn_end2end/ 下的3个文件:
1)solver.prototxt
修改 train_net 路径为
models/my_voc/VGG_CNN_M_1024/faster_rcnn_end2end/train.prototxt
2)train.prototxt
a.修改 input-data 层
param_str: "'num_classes': 4"# 新的数据加上 背景 一共 4 类
b.修改 roi-data 层
param_str: "'num_classes': 4"
c.修改 cls_score 层
num_output: 4
d.修改 bbox_pred 层
num_output: 16 # 4*4
3) test.prototxt
a.修改 cls_score 层
num_output: 4
b.修改 bbox_pred 层
num_output: 16
开始训练
python ./tools/train_net.py --gpu 0 --solver models/my_voc/VGG_CNN_M_1024/faster_rcnn_end2end/solver.prototxt --weights data/imagenet_models/VGG_CNN_M_1024.v2.caffemodel --imdb my --iters 80000 --cfg experiments/cfgs/faster_rcnn_end2end.yml
注意:必须要在data/cache/目录下把数据库的缓存文件.pkl给删除掉,否则其不会重新读取相应的数据库,而是直接从之前读入然后缓存的pkl文件中读取进来,这样修改的数据库并没有进入网络,而是加载了老版本的数据。
测试
仿照 /tools/demo.py,修改一个detect.py
主要修改了
1)数据读取方式;
2)原代码中对于一张图片,如果检测到2个类别,会生成2个图像窗口分别表示;这里将所有检测结果放在一个图像窗口里
#!/usr/bin/env python# --------------------------------------------------------# Faster R-CNN# Copyright (c) 2015 Microsoft# Licensed under The MIT License [see LICENSE for details]# Written by Ross Girshick# --------------------------------------------------------"""Demo script showing detections in sample images.See README.md for installation instructions before running."""import _init_pathsfrom fast_rcnn.config import cfgfrom fast_rcnn.test import im_detectfrom fast_rcnn.nms_wrapper import nmsfrom utils.timer import Timerimport matplotlib.pyplot as pltimport numpy as npimport scipy.io as sioimport caffe, os, sys, cv2import argparseCLASSES = ('__background__', 'target1', 'target2', 'target3')def vis_detections(im, class_name, dets, thresh=0.5): """Draw detected bounding boxes.""" inds = [] for index in range(len(class_name)): inds.append(np.where(dets[index][:, -1] >= thresh)[0]) ''' if len(inds) == 0: return ''' im = im[:, :, (2, 1, 0)] fig, ax = plt.subplots(figsize=(12, 12)) ax.imshow(im, aspect='equal') for index in range(len(inds)): if len(inds[index]) == 0: continue for i in inds[index]: bbox = dets[index][i, :4] score = dets[index][i, -1] ax.add_patch( plt.Rectangle((bbox[0], bbox[1]), bbox[2] - bbox[0], bbox[3] - bbox[1], fill=False, edgecolor='red', linewidth=3.5) ) ax.text(bbox[0], bbox[1] - 2, '{:s} {:.3f}'.format(class_name[index], score), bbox=dict(facecolor='blue', alpha=0.5), fontsize=14, color='white') ax.set_title(('detections with ' 'p({} | box) >= {:.1f}').format(class_name, thresh), fontsize=14) plt.axis('off') plt.tight_layout() plt.draw()def demo(net, image_name): """Detect object classes in an image using pre-computed object proposals.""" # Load the demo image im_file = os.path.join('/home/xxx/py-faster-rcnn/trainval/JPEGImages/'+image_name+'.jpg') im = cv2.imread(im_file) # Detect all object classes and regress object bounds timer = Timer() timer.tic() scores, boxes = im_detect(net, im) timer.toc() print ('Detection took {:.3f}s for ' '{:d} object proposals').format(timer.total_time, boxes.shape[0]) # Visualize detections for each class CONF_THRESH = 0.8 NMS_THRESH = 0.3 cls_ = [] dets_ = [] for cls_ind, cls in enumerate(CLASSES[1:]): cls_ind += 1 # because we skipped background cls_boxes = boxes[:, 4*cls_ind:4*(cls_ind + 1)] cls_scores = scores[:, cls_ind] dets = np.hstack((cls_boxes, cls_scores[:, np.newaxis])).astype(np.float32) keep = nms(dets, NMS_THRESH) dets = dets[keep, :] cls_.append(cls) dets_.append(dets) vis_detections(im, cls_, dets_, thresh=CONF_THRESH)def parse_args(): """Parse input arguments.""" parser = argparse.ArgumentParser(description='Faster R-CNN demo') parser.add_argument('--gpu', dest='gpu_id', help='GPU device id to use [0]', default=0, type=int) parser.add_argument('--cpu', dest='cpu_mode', help='Use CPU mode (overrides --gpu)', action='store_true') args = parser.parse_args() return argsif __name__ == '__main__': cfg.TEST.HAS_RPN = True # Use RPN for proposals args = parse_args() prototxt = os.path.join('/home/xxx/py-faster-rcnn/models/my_voc/VGG_CNN_M_1024/faster_rcnn_end2end/test.prototxt') caffemodel = os.path.join('/home/xxx/py-faster-rcnn/output/faster_rcnn_end2end/my/vgg_cnn_m_1024_faster_rcnn_iter_80000.caffemodel') if not os.path.isfile(caffemodel): raise IOError(('{:s} not found.').format(caffemodel)) if args.cpu_mode: caffe.set_mode_cpu() else: caffe.set_mode_gpu() caffe.set_device(args.gpu_id) cfg.GPU_ID = args.gpu_id net = caffe.Net(prototxt, caffemodel, caffe.TEST) print '\n\nLoaded network {:s}'.format(caffemodel) # Warmup on a dummy image im = 128 * np.ones((300, 500, 3), dtype=np.uint8) for i in xrange(2): _, _= im_detect(net, im) test_file_list = '/home/xxx/py-faster-rcnn/trainval/ImageList_.txt' im_names = [] with open(test_file_list, 'r') as f: im_names.extend(f.readlines()) key = '' for im_name in im_names: print '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~' print 'detect for {}'.format(im_name) demo(net, im_name.strip()) plt.show() key = raw_input("\'q\' to quit:") if key == 'q': break
- r-cnn系列代码编译及解读(2)
- r-cnn系列代码编译及解读(1)
- r-cnn系列代码编译及解读(3)
- r-cnn系列代码编译及解读(4)
- Faster R-CNN论文及源码解读
- Fast R-CNN解读
- Light-Head R-CNN解读
- R-CNN系列文章
- R-CNN系列
- R-CNN系列总结
- R-CNN编译问题
- R-CNN系列(一)
- R-CNN系列阅读笔记(2): SPP-Net
- 【R-CNN系列目标检测】(2)SPP-Net算法
- Faster R-CNN代码讲解
- R-CNN系列阅读笔记(1): R-CNN
- R-CNN系列阅读笔记(3): Fast R-CNN
- R-CNN系列阅读笔记(4): Fsater R-CNN
- git 基本操作
- Java知识:易混淆名称的解释和区别
- mips交叉编译libcurl带http2.0
- 经常用的Spring 日期格式化
- leetcode 530. Minimum Absolute Difference in BST
- r-cnn系列代码编译及解读(2)
- android 全屏 (无状态栏 Navigation bar) 切换
- 使用studio进行nc开发启动客户端出现 java.lang.OutOfMemoryError: Java heap space 异常
- iOS中多种格式文档的查看浏览
- 滑动菜单
- zend Studio 13.6 中文乱码解决
- ZooKeeper一致性原理
- Liferay Dynamic Query API
- 基于EasyUI的基础之上实现树形功能菜单