【深度学习：目标检测】 py-faster-rcnn标注FDDB人脸便于其在FDDB上进行测试

来源：互联网发布：红外透视镜软件下载编辑：程序博客网时间：2024/05/22 22:39
转载：http://blog.csdn.net/xzzppp/article/details/52071460
本程序是在py-faster-rcnn/tools/demo.py的基础上进行修改的
程序功能：用训练好的caffemodel，对FDDB人脸进行标注，便于其在FDDB上进行测试
[python] view plain copy
<span style="font-size:24px;">#!/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_paths  
from fast_rcnn.config import cfg  
from fast_rcnn.test import im_detect  
from fast_rcnn.nms_wrapper import nms  
from utils.timer import Timer  
import matplotlib.pyplot as plt  
import numpy as np  
import scipy.io as sio  
import caffe, os, sys, cv2  
import argparse  
  
#CLASSES = ('__background__',  #背景 + 类  
#           'aeroplane', 'bicycle', 'bird', 'boat',  
#           'bottle', 'bus', 'car', 'cat', 'chair',  
#           'cow', 'diningtable', 'dog', 'horse',  
#           'motorbike', 'person', 'pottedplant',  
#           'sheep', 'sofa', 'train', 'tvmonitor')  
  
CLASSES = ('__background__','face') #只有一类：face  
  
NETS = {'vgg16': ('VGG16',  
                  'VGG16_faster_rcnn_final.caffemodel'),  
        'myvgg': ('VGG_CNN_M_1024',  
                  'VGG_CNN_M_1024_faster_rcnn_final.caffemodel'),  
        'zf': ('ZF',  
                  'ZF_faster_rcnn_final.caffemodel'),  
        'myzf': ('ZF',  
                  'zf_rpn_stage1_iter_80000.caffemodel'),  
}  
  
  
def vis_detections(im, class_name, dets, thresh=0.5):  
    """Draw detected bounding boxes."""  
    inds = np.where(dets[:, -1] >= thresh)[0]  
    if len(inds) == 0:  
        return  
  
    write_file.write(str(len(inds)) + '\n') #add by zhipeng  
    im = im[:, :, (2, 1, 0)]  
    #fig, ax = plt.subplots(figsize=(12, 12))  
    #ax.imshow(im, aspect='equal')  
    for i in inds:  
        bbox = dets[i, :4]  
        score = dets[i, -1]  
  
        ##########   add by zhipeng for write rectange to txt   ########  
        write_file.write( "{} {} {} {} {}\n".format(str(bbox[0]), str(bbox[1]),  
                                                        str(bbox[2] - bbox[0]),  
                                                        str(bbox[3] - bbox[1]),  
                                                        str(score)))  
        #print "zhipeng, bbox:", bbox, "score:",score  
        ##########   add by zhipeng for write rectange to txt   ########  
  
        '''''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, score), 
                bbox=dict(facecolor='blue', alpha=0.5), 
                fontsize=14, color='white') 
 
    ax.set_title(('{} detections with ' 
                  'p({} | box) >= {:.1f}').format(class_name, 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(cfg.DATA_DIR, 'demo', image_name)  
    im = cv2.imread(image_name)  
  
    # 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  
    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, :]  
        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')  
    parser.add_argument('--net', dest='demo_net', help='Network to use [vgg16]',  
                        choices=NETS.keys(), default='vgg16')  
  
    args = parser.parse_args()  
  
    return args  
  
if __name__ == '__main__':  
    cfg.TEST.HAS_RPN = True  # Use RPN for proposals  
  
    args = parse_args()  
  
    prototxt = os.path.join(cfg.MODELS_DIR, NETS[args.demo_net][0],  
                            'faster_rcnn_alt_opt', 'faster_rcnn_test.pt')  
    caffemodel = os.path.join(cfg.DATA_DIR, 'faster_rcnn_models',  
                              NETS[args.demo_net][1])  
  
    if not os.path.isfile(caffemodel):  
        raise IOError(('{:s} not found.\nDid you run ./data/script/'  
                       'fetch_faster_rcnn_models.sh?').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)  
  
    '''''im_names = ['000456.jpg', '000542.jpg', '001150.jpg', 
                '001763.jpg', '004545.jpg']'''  
  
    ##########   add by zhipeng for write rectange to txt   ########  
    #write_file_name = '/home/xiao/code/py-faster-rcnn-master/py-faster-rcnn/tools/detections/out.txt'  
    #write_file = open(write_file_name, "w")  
    ##########   add by zhipeng for write rectange to txt   ########  
  
    for current_file in range(1,11):      #orginal range(1, 11)  
  
        print 'Processing file ' + str(current_file) + ' ...'  
  
        read_file_name = '/home/xiao/code/py-faster-rcnn-master/py-faster-rcnn/tools/FDDB-fold/FDDB-fold-' + str(current_file).zfill(2) + '.txt'  
        write_file_name = '/home/xiao/code/py-faster-rcnn-master/py-faster-rcnn/tools/detections/fold-' + str(current_file).zfill(2) + '-out.txt'  
        write_file = open(write_file_name, "w")  
  
        with open(read_file_name, "r") as ins:  
            array = []  
            for line in ins:  
                array.append(line)      # list of strings  
  
        number_of_images = len(array)  
  
        for current_image in range(number_of_images):  
            if current_image % 10 == 0:  
                print 'Processing image : ' + str(current_image)  
            # load image and convert to gray  
            read_img_name = '/home/xiao/code/py-faster-rcnn-master/py-faster-rcnn/data/FDDB/originalPics/' + array[current_image].rstrip() + '.jpg'  
            write_file.write(array[current_image]) #add by zhipeng  
            demo(net, read_img_name)  
  
        write_file.close()  
  
    '''''for im_name in im_names: 
        print '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~' 
        print 'Demo for data/demo/{}'.format(im_name) 
        write_file.write(im_name + '\n') #add by zhipeng 
        demo(net, im_name)'''  
  
    #write_file.close()  # add by zhipeng,close file  
    plt.show()  
</span>  
0 0