使用Faster-Rcnn进行目标检测

转载自：http://blog.csdn.net/gavin__zhou/article/details/52052915

原理

上一篇文章，已经说过了，大家可以参考一下，Faster-Rcnn进行目标检测(原理篇)

实验

我使用的代码是Python版本的Faster Rcnn，官方也有Matlab版本的,链接如下:

py-faster-rcnn(python)

faster-rcnn(matlab)

环境配置

按照官方的README进行配置就好,不过在这之前大家还是看下硬件要求吧

• For training smaller networks (ZF, VGG_CNN_M_1024) a good GPU (e.g., Titan, K20, K40, …) with at least 3G of memory suffices

• For training Fast R-CNN with VGG16, you’ll need a K40 (~11G of memory)

• For training the end-to-end version of Faster R-CNN with VGG16, 3G of GPU memory is sufficient (using CUDNN)

我的是环境是Ubuntu 14.04 + Titan X(12GB) + cuda 7.0 + cudnn V3

1 Caffe环境配置

Caffe环境需要python layer的支持,在你的Caffe的Makefile.config中去掉以下的注释

• WITH_PYTHON_LAYER := 1
• USE_CUDNN := 1

2 安装python库依赖

cython,python-OpenCV和easydict

pip install cythonpip install python-opencvpip install easydict
1
2
3
1
2
3

3 克隆py-faster-rcnn源代码

git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git
1
1

4 编译cython模块

cd $FRCN_ROOT/libmake 
1
2
1
2

5 编译Caffe和pycaffe

cd $FRCN_ROOT/caffe-fast-rcnnmake -j8 && make pycaffe
1
2
1
2

-j8的选项是进行多核编译，可以加速编译过程，推荐使用

数据集

参考VOC2007的数据集格式，主要包括三个部分:

• JPEGImages

• Annotations

• ImageSets/Main

JPEGImages —> 存放你用来训练的原始图像

Annotations —> 存放原始图像中的Object的坐标信息，XML格式

ImageSets/Main —> 指定用来train，trainval，val和test的图片的编号

这部分非常重要，数据集做不好直接导致代码出现异常，无法运行，或者出现奇怪的错误，我也是掉进了很多坑，爬上来之后才写的这篇博客，希望大家不要趟我趟过的浑水！每一个部分我都会细说的！

JPEGImages

这个没什么，直接把你的图片放入就可以了，但是有三点注意:

• 编号要以6为数字命名，例如000034.jpg

• 图片要是JPEG/JPG格式的，PNG之类的需要自己转换下

• 图片的长宽比(width/height)要在0.462-6.828之间，就是太过瘦长的图片不要

0.462-6.828是我自己实验得出来的，就我的数据集而言是这个比例，总之长宽比太大或者太小的，你要注意将其剔除，否则可能会出现下面我实验时候出的错:

Traceback (most recent call last): 
File “/usr/lib/python2.7/multiprocessing/process.py”, line 258, in _bootstrap 
self.run() 
File “/usr/lib/python2.7/multiprocessing/process.py”, line 114, in run 
self._target(*self._args, **self._kwargs) 
File “./tools/train_faster_rcnn_alt_opt.py”, line 130, in train_rpn 
max_iters=max_iters) 
File “/home/work-station/zx/py-faster-rcnn/tools/../lib/fast_rcnn/train.py”, line 160, in train_net 
model_paths = sw.train_model(max_iters) 
File “/home/work-station/zx/py-faster-rcnn/tools/../lib/fast_rcnn/train.py”, line 101, in train_model 
self.solver.step(1) 
File “/home/work-station/zx/py-faster-rcnn/tools/../lib/rpn/anchor_target_layer.py”, line 137, in forward 
gt_argmax_overlaps = overlaps.argmax(axis=0) 
ValueError: attempt to get argmax of an empty sequence

Google给出的原因是 Because the ratio of images width and heights is too small or large，这个非常重要

Annotations

faster rcnn训练需要图像的bounding box信息作为监督(ground truth),所以你需要将你的所有可能的object使用框标注，并写上坐标，最终是一个XML格式的文件，一个训练图片对应Annotations下的一个同名的XML文件

参考官方VOC的Annotations的格式:

<annotation>    <folder>VOC2007</folder> #数据集文件夹    <filename>000105.jpg</filename> #图片的name    <source> #注释信息，无所谓有无        <database>The VOC2007 Database</database>        <annotation>PASCAL VOC2007</annotation>        <image>flickr</image>        <flickrid>321862192</flickrid>    </source>    <owner> #注释信息，无所谓有无        <flickrid>Eric T. Johnson</flickrid>        <name>?</name>    </owner>    <size> #图片大小        <width>500</width>        <height>333</height>        <depth>3</depth>    </size>    <segmented>0</segmented>    <object> #多少个框就有多少个object标签        <name>boat</name> #bounding box中的object的class name        <pose>Frontal</pose>        <truncated>1</truncated>        <difficult>0</difficult>        <bndbox>            <xmin>22</xmin> #框的坐标            <ymin>1</ymin>            <xmax>320</xmax>            <ymax>314</ymax>        </bndbox>    </object>    <object>        <name>person</name>        <pose>Frontal</pose>        <truncated>1</truncated>        <difficult>0</difficult>        <bndbox>            <xmin>202</xmin>            <ymin>71</ymin>            <xmax>295</xmax>            <ymax>215</ymax>        </bndbox>    </object>    <object>        <name>person</name>        <pose>Frontal</pose>        <truncated>1</truncated>        <difficult>0</difficult>        <bndbox>            <xmin>170</xmin>            <ymin>107</ymin>            <xmax>239</xmax>            <ymax>206</ymax>        </bndbox>    </object></annotation>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56

这里有一个非常好用的工具VOC框图工具，可以自动帮你生成需要的XML格式，实际中发现格式基本无误，只有小的地方需要改动下，大家对比下就知道怎么改了，我是在Linux下借助sed修改的，这个不难

Imagesets/Main

因为VOC的数据集可以做很多的CV任务，比如Object detection, Semantic segementation, Edge detection等，所以Imageset下有几个子文件夹(Layout, Main, Segementation)，我们只要修改下Main下的文件就可以了(train.txt, trainval.txt, val.txt, test.txt)，里面写上你想要进行任务的图片的编号

将上述你的数据集放在py-faster-rcnn/data/VOCdevkit2007/VOC2007下面，替换原始VOC2007的JPEGIMages,Imagesets,Annotations

原始VOC2007下载地址: VOC20007数据集

代码修改

工程目录介绍

• caffe-fast-rcnn —> caffe框架

• data —> 存放数据，以及读取文件的cache

• experiments —>存放配置文件以及运行的log文件,配置文件

• lib —> python接口

• models —> 三种模型, ZF(S)/VGG1024(M)/VGG16(L)

• output —> 输出的model存放的位置，不训练此文件夹没有

• tools —> 训练和测试的python文件

修改源文件

faster rcnn有两种各种训练方式:

• Alternative training(alt-opt)

• Approximate joint training(end-to-end)

推荐使用第二种，因为第二种使用的显存更小，而且训练会更快，同时准确率差不多，两种方式需要修改的代码是不一样的，同时faster rcnn提供了三种训练模型，小型的ZFmodel，中型的VGG_CNN_M_1024和大型的VGG16,论文中说VGG16效果比其他两个好，但是同时占用更大的GPU显存(~11GB)

我使用的是VGG model + alternative training，需要检测的类别只有一类，加上背景所以总共是两类(background + captcha)

1 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage1_fast_rcnn_train.pt

layer {    name: 'data'    type: 'Python'    top: 'data'    top: 'rois'    top: 'labels'    top: 'bbox_targets'    top: 'bbox_inside_weights'    top: 'bbox_outside_weights'    python_param {      module: 'roi_data_layer.layer'      layer: 'RoIDataLayer'      param_str: "'num_classes': 2" #按训练集类别改，该值为类别数+1    }  }  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

layer {    name: "cls_score"    type: "InnerProduct"    bottom: "fc7"    top: "cls_score"    param {   lr_mult: 1.0  }    param {  lr_mult: 2.0   }    inner_product_param {      num_output: 2 #按训练集类别改，该值为类别数+1      weight_filler {        type: "gaussian"        std: 0.01      }      bias_filler {        type: "constant"        value: 0      }    }  }  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

layer {    name: "bbox_pred"    type: "InnerProduct"    bottom: "fc7"    top: "bbox_pred"    param {   lr_mult: 1.0   }    param {   lr_mult: 2.0   }    inner_product_param {      num_output: 8 #按训练集类别改，该值为（类别数+1）*4，四个顶点坐标      weight_filler {        type: "gaussian"        std: 0.001      }      bias_filler {        type: "constant"        value: 0      }    }  }  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

2 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage1_rpn_train.pt

layer {    name: 'input-data'    type: 'Python'    top: 'data'    top: 'im_info'    top: 'gt_boxes'    python_param {      module: 'roi_data_layer.layer'      layer: 'RoIDataLayer'      param_str: "'num_classes': 2" #按训练集类别改，该值为类别数+1    }  }  
1
2
3
4
5
6
7
8
9
10
11
12
13
1
2
3
4
5
6
7
8
9
10
11
12
13

3 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage2_fast_rcnn_train.pt

layer {    name: 'data'    type: 'Python'    top: 'data'    top: 'rois'    top: 'labels'    top: 'bbox_targets'    top: 'bbox_inside_weights'    top: 'bbox_outside_weights'    python_param {      module: 'roi_data_layer.layer'      layer: 'RoIDataLayer'      param_str: "'num_classes': 2" #按训练集类别改，该值为类别数+1    }  }  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

layer {    name: "cls_score"    type: "InnerProduct"    bottom: "fc7"    top: "cls_score"    param {   lr_mult: 1.0   }    param {   lr_mult: 2.0   }    inner_product_param {      num_output: 2 #按训练集类别改，该值为类别数+1      weight_filler {        type: "gaussian"        std: 0.01      }      bias_filler {        type: "constant"        value: 0      }    }  }  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

layer {    name: "bbox_pred"    type: "InnerProduct"    bottom: "fc7"    top: "bbox_pred"    param {   lr_mult: 1.0  }    param {   lr_mult: 2.0   }    inner_product_param {      num_output: 8 #按训练集类别改，该值为（类别数+1）*4,四个顶点坐标      weight_filler {        type: "gaussian"        std: 0.001      }      bias_filler {        type: "constant"        value: 0      }    }  }  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

4 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage2_rpn_train.pt

layer {    name: 'input-data'    type: 'Python'    top: 'data'    top: 'im_info'    top: 'gt_boxes'    python_param {      module: 'roi_data_layer.layer'      layer: 'RoIDataLayer'      param_str: "'num_classes': 2" #按训练集类别改，该值为类别数+1    }  }  
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12

5 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/faster_rcnn_test.pt

layer {    name: "cls_score"    type: "InnerProduct"    bottom: "fc7"    top: "cls_score"    inner_product_param {      num_output: 2 #按训练集类别改，该值为类别数+1    }  }  
1
2
3
4
5
6
7
8
9
1
2
3
4
5
6
7
8
9

6 py-faster-rcnn/lib/datasets/pascal_voc.py

class pascal_voc(imdb):      def __init__(self, image_set, year, devkit_path=None):          imdb.__init__(self, 'voc_' + year + '_' + image_set)          self._year = year          self._image_set = image_set          self._devkit_path = self._get_default_path() if devkit_path is None \                              else devkit_path          self._data_path = os.path.join(self._devkit_path, 'VOC' + self._year)          self._classes = ('__background__', # always index 0                           captcha' # 有几个类别此处就写几个，我是两个                      )  
1
2
3
4
5
6
7
8
9
10
11
1
2
3
4
5
6
7
8
9
10
11

line 212

cls = self._class_to_ind[obj.find('name').text.lower().strip()]  
1
1

如果你的标签含有大写字母，可能会出现KeyError的错误，所以建议全部使用小写字母

7 py-faster-rcnn/lib/datasets/imdb.py

将append_flipped_images函数改为如下形式:

def append_flipped_images(self):          num_images = self.num_images          widths = [PIL.Image.open(self.image_path_at(i)).size[0]                    for i in xrange(num_images)]          for i in xrange(num_images):              boxes = self.roidb[i]['boxes'].copy()              oldx1 = boxes[:, 0].copy()              oldx2 = boxes[:, 2].copy()              boxes[:, 0] = widths[i] - oldx2 - 1              print boxes[:, 0]              boxes[:, 2] = widths[i] - oldx1 - 1              print boxes[:, 0]              assert (boxes[:, 2] >= boxes[:, 0]).all()              entry = {'boxes' : boxes,                       'gt_overlaps' : self.roidb[i]['gt_overlaps'],                       'gt_classes' : self.roidb[i]['gt_classes'],                       'flipped' : True}              self.roidb.append(entry)          self._image_index = self._image_index * 2  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

到此代码修改就搞定了

训练

训练前还需要注意几个地方

1 cache问题

假如你之前训练了官方的VOC2007的数据集或其他的数据集，是会产生cache的问题的，建议在重新训练新的数据之前将其删除

(1) py-faster-rcnn/output 
(2) py-faster-rcnn/data/cache

2 训练参数

py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage_fast_rcnn_solver*.pt

base_lr: 0.001lr_policy: 'step'step_size: 30000display: 20....
1
2
3
4
5
1
2
3
4
5

迭代次数在文件py-faster-rcnn/tools/train_faster_rcnn_alt_opt.py中进行修改

line 80

max_iters = [80000, 40000, 80000, 40000]
1
1

分别对应rpn第1阶段，fast rcnn第1阶段，rpn第2阶段，fast rcnn第2阶段的迭代次数，自己修改即可，不过注意这里的值不要小于上面的solver里面的step_size的大小，大家自己修改吧

开始训练:

cd py-faster-rcnn./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG16 pascal_voc 
1
2
1
2

指明使用第一块GPU(0),模型是VGG16,训练数据是pascal_voc(voc2007)，没问题的话应该可以迭代训练了

结果

训练完毕，得到我们的训练模型，我们就可以使用它来进行我们的object detection了，具体是: 
1 将py-faster-rcnn/output/faster_rcnn_alt_opt/voc_2007_trainval/VGG16_faster_rcnn_final.caffemodel，拷贝到py-faster-rcnn/data/faster_rcnn_models下

2 将你需要进行test的images放在py-faster-rcnn/data/demo下

3 修改py-faster-rcnn/tools/demo.py文件


CLASSES = ('_background_', 'captcha') #参考你自己的类别写 



NETS = {'vgg16': ('VGG16', 
'VGG16_faster_rcnn_final.caffemodel'), #改成你训练得到的model的name 
'zf': ('ZF', 
'ZF_faster_rcnn_final.caffemodel') 
} 


im_names = ['1559.jpg','1564.jpg']  # 改成自己的test image的name
1
1

上几张我的检测结果吧

参考

1 faster rcnn 做自己的数据集

2 faster rcnn 教程

3 使用ZF训练自己的faster rcnn model

4 一些错误的解决方法