Faster RCNN - Tensorflow实现——CPU版

最新推荐文章于 2020-05-05 16:41:05 发布

Dnyng

最新推荐文章于 2020-05-05 16:41:05 发布

阅读量1.2k

点赞数

分类专栏：计算机视觉文章标签： faster rcnn 计算机视觉图像分类识别

本文链接：https://blog.csdn.net/Pngyng/article/details/89517387

版权

计算机视觉专栏收录该内容

1 篇文章 0 订阅

订阅专栏

参考：
CPU坑：https://blog.csdn.net/sinat_33486980/article/details/81045315
1.Environment
scipy：1.2.1
tensorflow：1.12.0
cython：0.29.6
opencv-python：4.0.0.21
easydict：1.9
2.下载github项目代码和数据

git clone https://github.com/endernewton/tf-faster-rcnn.git

3.修改配置
代码是GPU的，make时会报错

python setup.py build_ext --inplace
Traceback (most recent call last):
File "setup.py", line 58, in <module>
CUDA = locate_cuda()
File "setup.py", line 46, in locate_cuda
raise EnvironmentError('The nvcc binary could not be '
EnvironmentError: The nvcc binary could not be located in your $PATH. Either add it to your path, or set $CUDAHOME

解决办法：
1）修改./lib/model/config.py
将USE_GPU_NMS 由原来的True改为False
在这里插入图片描述
2）修改lib/model/nms_wrapper.py
注释代码，进制GPU模式

3）修改lib/setup.py
尖头部分一行行注释掉

4.链接cython模块
在lib目录下打开终端，输入

make clean
make
cd ..

此时终端回到主目录tf-faster-rcnn
5.安装 Python COCO API，这是为了使用COCO数据库

cd data
git clone https://github.com/pdollar/coco.git
cd coco/PythonAPI
make
cd ../../..

此时终端的目录是主目录tf-faster-rcnn
6.数据下载：Beyond the demo: installation for training and testing models
1）下载训练，验证和测试数据集VOCdevkit

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

2）数据集解压 named VOCdevkit

tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

解压后应该是具有如下数据存储结构：

$VOCdevkit/                           # development kit
$VOCdevkit/VOCcode/                   # VOC utility code
$VOCdevkit/VOC2007                    # image sets, annotations, etc.
# ... and several other directories ...

3）建立数据集PASCAL VOC软连接

cd $FRCN_ROOT/data
ln -s $VOCdevkit VOCdevkit2007

其中 $FRCN_ROOT/data 应该是存放数据集VOCdevkit的路径（eg:/tf-faster-rcnn/data/）
4）MS COCO官网数据集(百度云）下载，COCO API、MASK API和Annotation format介绍（来自官网）

https://blog.csdn.net/u014734886/article/details/78830713
wget http://images.cocodataset.org/zips/train2014.zip
wget http://images.cocodataset.org/zips/val2014.zip
wget http://images.cocodataset.org/zips/test2014.zip
wget http://images.cocodataset.org/annotations/annotations_trainval2014.zip
wget http://images.cocodataset.org/annotations/image_info_test2014.zip

7.运行Demo 和测试预训练模型
1）下载预训练好的模型 voc_0712_80k-110k.tgz
（百度云：https://pan.baidu.com/s/1kWkF3fT），放到 data文件夹中。使用命令解压得到voc_2007_trainval+voc_2012_trainval文件夹

tar xvf voc_0712_80k-110k.tgz

2）建立预训练模型的软连接

NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../voc_2007_trainval+voc_2012_trainval ./default
cd ../../..

3）CPU下直接运行demo

./tools/demo.py

8.训练自己的模型
1）下载预训练模型和权重

for VGG16 ：
mkdir -p data/imagenet_weights
cd data/imagenet_weights
wget -v http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz
tar -xzvf vgg_16_2016_08_28.tar.gz
mv vgg_16.ckpt vgg16.ckpt
cd ../..

for Resnet101 ：

mkdir -p data/imagenet_weights
cd data/imagenet_weights
wget -v http://download.tensorflow.org/models/resnet_v1_101_2016_08_28.tar.gz
tar -xzvf resnet_v1_101_2016_08_28.tar.gz
mv resnet_v1_101.ckpt res101.ckpt
cd ../..

2）训练（验证、测试）
由于是在CPU下运行，需要更改/experiments/scripts/train_faster_rcnn.sh

# GPU_ID=$1    #注释掉GPU的使用
DATASET=$1     #更改数字2->1
NET=$2         #更改数字3->2

CPU运行如下：

./experiments/scripts/train_faster_rcnn.sh [DATASET] [NET]
# NET in {vgg16, res50, res101, res152} is the network arch to use
# DATASET {pascal_voc, pascal_voc_0712, coco} is defined in train_faster_rcnn.sh
# Examples:
./experiments/scripts/train_faster_rcnn.sh pascal_voc vgg16
./experiments/scripts/train_faster_rcnn.sh coco res101
./experiments/scripts/test_faster_rcnn.sh pascal_voc vgg16