ubuntu运行Faster R-CNN

论文名：FasterR-CNN: Towards Real-Time Object Detection with Region Proposal Networks

代码链接：https://github.com/ShaoqingRen/faster_rcnn

查阅的博客：http://blog.csdn.net/qq_30040223/article/details/48491997

 

接下来是各种版本号：

openCVversion：

命令：$ pkg-config --modversion opencv                                                                       

输出：3.0.0

Cuda版本号：7.0

…..

 

错误类型：

../lib/libcaffe.so: undefined reference tocv::imread(cv::String const&, int)' collect2: error: ld returned 1 exitstatus make[2]: *** [tools/compute_image_mean] Error 1 make[2]: Leaving

解决：

open yourMakefile with some text editor, locate line 164 (in my case), addopencv_imgcodecs behind.

 LIBRARIES += glog gflags protobuf leveldbsnappy \

  lmdb boost_system hdf5_hl hdf5 m \

  opencv_core opencv_highgui opencv_imgprocopencv_imgcodecs

 (链接: https://github.com/BVLC/caffe/issues/1276)

错误类型：

LD -o .build_release/lib/libcaffe.so

/usr/bin/ld:/usr/local/lib/libgflags.a(gflags.cc.o): relocation R_X86_64_32S against`.rodata' can not be used when making a shared object; recompile with -fPIC

/usr/local/lib/libgflags.a: error addingsymbols: Bad value

collect2: error: ld returned 1 exit status

make: *** [.build_release/lib/libcaffe.so]Error 1

解决：

 

Ubuntu下运行Faster-Rcn

Faster-Rcnn 介绍

前几天Shaoqing Ren放出了Faster-Rcnn的代码，可以在他的Github上下载得到，上面也有详细的配置说明。 
我下载下来，在自己的虚拟机上测试了一下，速度上确实比之前的Fast-Rcnn有提高。

SPP-Net，Fast-Rcnn，Faster-Rcnn都是在Ross Girshick2014年发布的RCNN上面的改进与提高，其中SPP-Net，Faster-Rcnn都是Shaoqing Ren的作品，当然其中还有Kaiming He以及Ross Girshick等微软亚研院研究员的贡献。Shaoqing Ren也是个牛人啊，可以去他的个人主页看看他做的一些工作，ICCV,CVPR,ECCV三大会，PAMI都发过论文，今年Faster-Rcnn还发表在了NIPS上，是我的奋斗目标！

Faster-Rcnn相对于Fast-Rcnn的改进在于将Object Proposal利用CNN网络实现，并与Detection的CNN网络结合实现了一个端到端的Object Detection框架。之前Fast-Rcnn的Proposal是利用Selective Search实现的，SS方法虽然得到的Proposal相对于其他方法是较好的，但是其速度比较慢，更不用说跟利用GPU进行加速的Detection步骤相比，由此Proposal的产生便成为了一个瓶颈。

而Faster-Rcnn便解决了这个问题，不单单是加速了Proposal的产生，还将两个网络结合进行优化，于是原本跟Detection任务分离的Proposal步骤被结合了起来，Detection的结果好坏会通过梯度的回传影响到Proposal网络的参数，Faster-Rcnn实现优化的思路采用的是常见的固定一个更新另一个的策略，固定Proposal网络，更新Detection网络，再固定Detection网络，更新Proposal网络。

Faster-Rcnn 配置

参考Shaoqing Ren的配置说明:

(1) 安装Matlab 2014a 
(2) 下载源代码

git clone --recursive https://github.com/ShaoqingRen/faster_rcnn.git

(3）配置Caffe 

将你之前配置过的CaffeMakefile.config拷贝至./faster-rcnn/external/caffe，记得修改Matlab接口，接着编译就可以了。

make -j$(nproc)make 

matcaffe -j$(nproc)

(4) 运行Faster-Rcnn 

A. 在faster-rcnn路径下打开Matlab，或者直接打开Matlab再切换到faster-rcnn路径，运行faster_rcnn_build.m，没有GPU的话在Compiling nms_gpu_mex时会出错，但其他是能够正常编译的，所以没有关系。 
B. 运行startup.m，会加入其所需路径。 
C. 运行fetch_data/fetch_faster_rcnn_final_model.m，下载所需模型。推荐在作者Github上找百度云盘的下载链接，速度会快上不少，下载完将output文件夹解压至./faster-rcnn目录下。 
D. 打开experiments/script_faster_rcnn_demo.m测试文件，没有GPU不要直接运行，其代码默认是用GPU进行测试的，因此在CPU模式下会出错。 
修改下代码，不使用GPU即可： 
修改前：

%% -------------------- CONFIG --------------------
opts.caffe_version          = 'caffe_faster_rcnn';
opts.gpu_id                 = auto_select_gpu;
active_caffe_mex(opts.gpu_id, opts.caffe_version);

opts.per_nms_topN           = 6000;
opts.nms_overlap_thres      = 0.7;
opts.after_nms_topN         = 300;
opts.use_gpu                = True;

opts.test_scales            = 600;

修改后：

%% -------------------- CONFIG --------------------
opts.caffe_version          = 'caffe_faster_rcnn';
%opts.gpu_id                 = auto_select_gpu;
%active_caffe_mex(opts.gpu_id, opts.caffe_version);

opts.per_nms_topN           = 6000;
opts.nms_overlap_thres      = 0.7;
opts.after_nms_topN         = 300;
opts.use_gpu                = false;

opts.test_scales            = 600;

E.运行该测试文件 

默认载入的模型是VGG16网络，如果运行过程中出现kill，那就把模型换成ZF的好了。 
VGG16网络比较大，可能会出现内存不足，所以在虚拟机或者内存较小的机器上推荐使用小模型ZF来进行测试。

%% -------------------- INIT_MODEL --------------------
%model_dir = fullfile(pwd, 'output', 'faster_rcnn_final', 'faster_rcnn_VOC0712_vgg_16layers'); %% VGG-16
model_dir  = fullfile(pwd, 'output', 'faster_rcnn_final', 'faster_rcnn_VOC0712_ZF'); %% ZF
proposal_detection_model    = load_proposal_detection_model(model_dir);

F.测试结果 

我的CPU是I5-4460,测试速度是比Fast-Rcnn更快的。

%% -------------------- INIT_MODEL --------------------
%model_dir = fullfile(pwd, 'output', 'faster_rcnn_final', 'faster_rcnn_VOC0712_vgg_16layers'); %% VGG-16
model_dir  = fullfile(pwd, 'output', 'faster_rcnn_final', 'faster_rcnn_VOC0712_ZF'); %% ZF
proposal_detection_model    = load_proposal_detection_model(model_dir);