mac下跑R-FCN并用自己的数据集训练

1、首先，需要安装Caffe和pycaffe，起码机子搭过caffe环境

macos下面搭建caffe参考：

http://blog.csdn.net/yimingsilence/article/details/54095628

2、克隆工程：

[html] view plain copy

 

1. git clone https://github.com/Orpine/py-R-FCN.git  

3、克隆caffe

[html] view plain copy

 

1. cd py-R-FCN  
2. git clone https://github.com/Microsoft/caffe.git  
3. cd caffe  
4. git reset --hard 1a2be8e  

后面用这个版本各种出错，然后换了微软的版本

该caffe版本是微软版本

[plain] view plain copy

 

1. cd $RFCN_ROOT  
2. git clone https://github.com/Microsoft/caffe.git  

4、编译caffe

[html] view plain copy

 

1. cp Makefile.config.example Makefile.config  
2. # In your Makefile.config, make sure to have this line uncommented  
3. WITH_PYTHON_LAYER := 1  
4. # Unrelatedly, it's also recommended that you use CUDNN  
5. USE_CUDNN := 1  
6. make -j8 && make pycaffe  

更多请参见：

http://blog.csdn.net/yimingsilence/article/details/54095628

5、编译lib

[html] view plain copy

 

1. cd ../lib  
2. make  

6、到py-R-FCN/data/scripts中运行里面的获取数据的脚本，把要测试的数据下载下来

7、如果要用resnet网络的模型要下载这个模型，不下载demo也能跑通：

     下载数据（VOC，COCO），下载模型（ResNet，https://pan.baidu.com/s/1hrOZdju）这个下载到的数据放到py-R-FCN/data/rfcn_models里面(文件夹没有新建一个)，并且改名格式为：resnet50_rfcn_final.caffemodel

然后运行py-R-FCN/tools里面的demo.py就可以看到效果了。

8、修改./tools/train_net.py中的函数

[html] view plain copy

 

1. def parse_args():  
2.     """  
3.     Parse input arguments  
4.     """  
5.     parser = argparse.ArgumentParser(description='Train a R-FCN network')  
6.     parser.add_argument('--gpu', dest='gpu_id',  
7.                         help='GPU device id to use [0]',  
8.                         default=0, type=int)  
9.     parser.add_argument('--solver', dest='solver',  
10.                         help='solver prototxt',  
11.                         default='models/pascal_voc/ResNet-50/rfcn_end2end/solver_ohem.prototxt', type=str)  
12.     parser.add_argument('--iters', dest='max_iters',  
13.                         help='number of iterations to train',  
14.                         default=40000, type=int)  
15.     parser.add_argument('--weights', dest='pretrained_model',  
16.                         help='initialize with pretrained model weights',  
17.                         default='data/imagenet_models/ResNet-50-model.caffemodel', type=str)  
18.     parser.add_argument('--cfg', dest='cfg_file',  
19.                         help='optional config file',  
20.                         default='experiments/cfgs/rfcn_end2end_ohem.yml', type=str)  
21.     parser.add_argument('--imdb', dest='imdb_name',  
22.                         help='dataset to train on',  
23.                         default='voc_2007_trainval', type=str)  
24.     parser.add_argument('--rand', dest='randomize',  
25.                         help='randomize (do not use a fixed seed)',  
26.                         action='store_true')  
27.     parser.add_argument('--set', dest='set_cfgs',  
28.                         help='set config keys', default=None,  
29.                         nargs=argparse.REMAINDER)  
30.   
31.     # if len(sys.argv) == 1:  
32.     #     parser.print_help()  
33.     #     sys.exit(1)  
34.   
35.     args = parser.parse_args()  
36.     return args  

我这里偷了个懒．还是用的py-faster-rcnn中的VOC2007数据
8、训练模型

[html] view plain copy

 

1. python ./tools/train_net.py  

8.1、官方脚本详见./experiments/scripts下的几个rfcn开头的脚本，默认情况需要合并voc2012和voc2007
8.2、训练自己的数据详见http://www.cnblogs.com/CarryPotMan/p/5390336.html

9、测试demo
修改

[html] view plain copy

 

1. ./tools/demo_rfcn.py  

替换成自己的模型，配置文件，数据就行了