在win7上跑基于任少卿作者代码修改的RPN+BF实验

最新推荐文章于 2019-10-27 16:12:03 发布
最新推荐文章于 2019-10-27 16:12:03 发布
阅读量209 收藏 1
点赞数
文章标签： 人工智能 matlab
原文链接：http://www.cnblogs.com/maitre-zhao/p/6811402.html
版权

1.前言

        之前在win10上成功的跑起来faster-rcnn的实验，并且跑了一下CaltechPedestrian的数据集，但是效果一直不理想，折腾了好久也没弄清楚到底原因出在哪里，直到读了Is Faster R-CNN Doing Well for Pedestrian Detection？ 这片文章之后才明白了具体的问题出在哪里，于是就想跑一下文章中的实验。原本实验的源代码作者只在Ubuntu上面跑过，并没有在win上跑过，但是他的代码都是基于任少卿的matlab代码修改的，于是我就想在win上应该也能跑通。于是我就试了一下，没想到竟然卡在了编译external上面。

        caffe_library用的依然是任少卿作者给的（https://pan.baidu.com/s/1hqGojnI），RPN+BF的源码是在GitHub上面下载的，按照我之前的博客写的方法去编译，竟然没通过，当时报了个错误，是关于caffe.pb.h文件版本的问题，也没闹明白是怎么回事，上网百度了一下，初步诊断是因为caffe_library的第三方库中protobuf的版本过低，网上说使用protobuf2.6.1版本可以，但是后来我一顿折腾，包括重装系统，重搭环境，也是行不通，转移到Ubuntu下也因为其他原因行不通，没有办法就又回到了win7上，又经过一顿瞎折腾，终于闹明白了是什么问题了。。。

2.编译RPN+BF所需要的external文件

        2.1分析源码文件

             首先，caffe_library是这样的

                     

      可以看到它其中有一个文件夹叫做 protobuf_compiler-2.6 ，那么这个文件夹是干什么用的呢？为此我特地研究了一下protobuf的相关知识。可以这样说，caffe.pb.h和caffe.pb.cc是由图中画框的两个文件生成的，我们可以看一下 protoc.cmd 中的代码就明白了，如下图：

                         

 

 

                     

 

        2.2生成自己需要的caffe.pb.h和caffe.pb.cc

       既然编译的时候报的错是关于这两个文件的，那么肯定要在这两个文件上面着手去解决问题了，当时一直以为是protobuf的版本问题，搞了好久，最后使用了protobuf2.6.1虽然编译通过了，但是编译出来的文件却不能用，别提多心酸了。。。那么原因到底是出在了哪里呢？当我打开下图目录中的caffe.vcxproj这个文件的时候，明白了自己问题的结症所在了。                                                                                              

 

                                            

      首先说一下 .vcxproj 文件的作用，.vcxproj 文件管理着VS solution的相关配置，仔细看一下这个文件的内容，你就会发现它里面的信息都是solution的相关配置信息，包括编译平台，库目录，包含目录等等信息都保存在这个里面，所以我通过它确定了，protobuf的版本是没有错误的，用的就是protobuf2.6.0版本的。那么，问题就只可能出现在一个地方了，那就caffe.proto 这个文件。关于这个文件的更多信息可以去网上百度，这里并不做细说。在caffe-RPN_BF这个文件夹里搜索一下 caffe.proto ，找到了它是存放在.\caffe-RPN_BF\src\caffe\proto 中的，于是我们把它取出来，放在 protobuf_compiler-2.6 文件夹中，替换掉原来的 caffe.proto 文件，运行protoc.cmd，来重新生成caffe.pb.h和caffe.pb.cc这两个文件。

      那为什么不用protobuf_compiler-2.6 文件夹中原本存在的 caffe.proto 呢？你可以比较一下，因为它竟然和.\caffe-RPN_BF\src\caffe\proto 中的 caffe.proto 是不一样的。。。真是无话可说，并不太懂是为什么。。。

3.重新编译

        然后把新生成的两个文件分拷贝到 caffRPN_BF\include\caffe\proto 和 caffe-RPN_BF\src\caffe\proto 中，替换掉原来的文件。再重新进行编译，具体的编译过程可以参考我之前的博客，经 过测试，可以顺利通过编译。

 

转载于:https://www.cnblogs.com/maitre-zhao/p/6811402.html

alimao8345
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
RPN 解析
lanran2的博客
01-12 10万+
RPN全称是Region Proposal Network，Region Proposal的中文意思是“区域选取”，也就是“提取候选框”的意思，所以RPN就是用来提取候选框的网络； 1. RPN的意义 RPN第一次出现在世人眼中是在Faster RCNN这个结构中，专门用来提取候选框，在RCNN和Fast RCNN等物体检测架构中，用来提取候选框的方法通常是Selective Se
RPN_BF的配置
qf1028622561的博客
11-06 729
RPN_BF配置
行人检测 Is Faster R-CNN Doing Well for Pedestrian Detection?
ture_dream的博客
11-08 3149
ECCV 2016 Matlab 代码 ：https://github.com/zhangliliang/RPN_BF/tree/RPN-pedestrian 本文主要是分析了一下Faster R-CNN用于行人检测效果不好的原因，并对比提出了解决方案。 Faster R-CNN用于行人检测效果不好的原因有两个： 1）行人在图像中的尺寸较小，（e.g., 28×70 for Calte
pedestrain_detection:比较使用Faster RCNN和RPN + BF进行的脚步检测
05-17
Comparing the differences between Faster RCNN and RPN+BF in pedestrain detection By zyq&cyq Introduction 行人检测具有极其广泛的应用：智能辅助驾驶，智能监控，行人分析以及智能机器人等领域。随着深度学习的性能的优越性，将深度学习的方法应用到行人中以提高检测准确率。本工程分别采用Faster R-CNN和RPN+BF网络，对Caltech数据集进行训练和测试，并比较两者的结果。 This code has been tested on Ubuntu 16.04 with MATLAB 2014b and CUDA 7.5. Citing RPN+BF @article{zhang2016faster, title={Is Faster R-CNN Doing Well for Pedes
【数据结构】逆波兰表示法（RPN）：中缀表达式转后缀表达式
hujingshuang
11-06 2563
利用栈来实现中缀表达式转后缀表达式。
Pedestrian Detection
guojingjuan的博客
09-28 1511
早期别人的归总 http://blog.csdn.net/alada007/article/details/8088868 datasets http://www.vision.caltech.edu/Image_Datasets/CaltechPedestrians/ 1.Shanshan Zhang Shanshan Zhang, Rodrigo Be
目标跟踪孪生网络系列SiamRPN++.ppt
01-10
目标跟踪系列汇报ppt，包含目标跟踪研究现状，孪生网络用于目标跟踪的发展史，各孪生网络的介绍，着重介绍SiamRPN++论文。
SiamRPN++-CVPR2019_paper.pdf
02-27
商汤团队 CVPR2019论文：SiamRPN++: Evolution of Siamese Visual Tracking with Very Deep Networks
SiamRPN++.zip
09-05
《SiamRPN++：深度学习在视频跟踪中的应用详解》 SiamRPN++，全称为Siamese Region Proposal Network Plus Plus，是深度学习领域中一个用于目标跟踪的先进算法。该算法由《SiamRPN++: Evolution of Siamese Visual ...
Object Detection(目标检测神文)---3
03-23 2万+
Object Detection on Mobile Devices Pelee: A Real-Time Object Detection System on Mobile Devices intro: ICLR 2018 workshop track intro: based on the SSD arxiv: https://arxiv.org/abs/1804.06882 ...
Faster rcnn相关文章研究
XZZPPP的博客
10-31 5951
一、效果简介 1  多类目标检测，基于VOC2012数据集     MAC :The number of adds andmultiplications     mAP:Mean average precision     GPU：NVIDIA Titan X   我们目前的人脸检测模型是：Faster R-CNN + VGG_CNN_M_1024,即VGG-16的简
【目标检测算法】Faster RCNN学习笔记
littlemichelle
07-21 1万+
每次请回顾： Faster RCNN 学习笔记 faster rcnn源码解析 Faster RCNN：RPN，anchor，sliding windows https://zhuanlan.zhihu.com/p/32404424 1、这里以faster rcnn举例。在faster rcnn里面，anchor（或者说RPN网络）的作用是代替以往rcnn使用的selective s...
目标检测之RPN
千秋莫负
06-13 3693
参考：https://blog.csdn.net/u011746554/article/details/74999010 （Region Proposal Network)区域生成网络 RPN网络中利用anchors和softmax初步提取出foreground anchors作为候选区域。 1） layer { name: “rpn_cls_score” type: “Convolution”...
深度学习目标检测之RPN-based方法
Alex.W.的机器学习之路
10-07 3737
目标检测是机器学习领域很重要也很具有挑战性的一个分支，目标检测需要同时完成图像分割和子图分类两项task，比图像分类更具难度。最近几年，深度学习在图像处理上有很多成功的尝试，而目标检测领域也出现了一些很好的方法。本文主要介绍RPN-based的系列方法，包括R-CNN、Fast-RCNN和Faster-RCNN。     RPN-based（RPN：Region Proposal Network）目
faster-rcnn 之 RPN网络的结构解析
人工智能
12-08 9975
【说明】：欢迎加入：faster-rcnn 交流群 238138700，我想很多人在看faster-rcnn的时候，都会被RPN的网络结构和连接方式纠结，作者在文中说的不是很清晰，这里给出解析； 【首先】：大家应该要了解卷积神经网络的连接方式，卷积核的维度，反向传播时是如何灵活的插入一层；这里我推荐一份资料，真是写的非常清晰，就是MatConvet的用户手册，这个框架底层借用的是caffe的
【深度学习】区域候选网络 (RPN)
热门推荐
JNing
12-19 6万+
【深度学习】区域候选网络 (RPN) 绿框内 为RPN所在的位置： 放大之后是这样： 庖丁解牛 RPN由以下三部分构成： 在 RPN头部 ，通过以下结构生成 anchor（其实就是一堆有编号有坐标的bbox）： 论文中的这幅插图对应的就是 RPN头部： （曾经以为这张图就是整个RPN，于是百思不得其解，走了不少弯路。。。） 在 RPN中部， 分类分支（cls） 和 边框回归分支（b...
在CNNs中通过引导注意力进行遮挡行人检测（论文翻译）
Niu950315的博客
10-27 2940
Occluded Pedestrian Detection Through Guided Attention in CNNs based on the FasterRCNN 为了在一个连贯的模型中处理广泛的频繁和不太频繁的遮挡模式，我们提出了不同的注意机制，这就使得检测器更加注意可见的身体部位。这些注意机制是由基于cnn的不同通道的检测器。注意力机制在不同信道学习适当的注意力参数从而有效地处理不同...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值