Faster-RCNN全攻略

1.前言

首先当然得感谢rbgirshick大神给我们不断带来惊喜，在fast-rcnn的基础上升级的faster-RCNN，这是github地址，https://github.com/rbgirshick/py-faster-rcnn，论文地址，https://arxiv.org/abs/1506.01497下面是几篇写的很好的博客总结，
http://blog.csdn.net/shenxiaolu1984/article/details/51036677，http://www.360doc.com/content/17/0303/14/10408243_633634497.shtml

2.安装

好了，废话不多说了，前面的理论知识学习完我们就可以开始实践了，这里简单介绍一下faster-rcnn代码的特点

1. 自带的caffe,安装前可以不安装caffe，当然我觉着还是先自己安装好caffe比较安心
2. 所有的tools均为python语言编写，方便使用
3. 基于caffe构架，能力强的同学可以好好研究一下它是怎么搭建的
4. 提供了tool可以进行训练，适应不同的cnn的网络，当然它只提供了zf,vgg12,和vgg16的tool，你想换比较新的，比如googleNet得自己参照着写

下面正式介绍安装：
本文的安装工作收到了下面的这篇文章很多启发，欢迎查看http://blog.csdn.net/sinat_30071459/article/details/51332084
本来想好好翻译一下，现在我又犯懒了，只挑重点说：

第一步：安装各种支持的库

pip install cython  
pip install easydict  
apt-get install python-opencv 

第二步：安装各种支持的库

git submodule update --init --recursive

第三步：编译caffe

希望你已经装好caffe再玩frcnn，因为caffe很难装。给个我自己摸索的教程：
http://blog.csdn.net/angelfish91/article/details/56019558

第四步：编译frcnn的lib

进入py-faster-rcnn/lib
执行make

第五步：下载VOC2007数据集

提供一个百度云地址：http://pan.baidu.com/s/1mhMKKw4
解压，然后，将该数据集放在py-faster-rcnn\data下，用你的数据集替换VOC2007数据集。（替换Annotations，ImageSets和JPEGImages）
（用你的Annotations，ImagesSets和JPEGImages替换py-faster-rcnn\data\VOCdevkit2007\VOC2007中对应文件夹）

第六步：下载ImageNet数据集下预训练得到的模型参数（用来初始化）

提供一个百度云地址：http://pan.baidu.com/s/1hsxx8OW
解压，然后将该文件放在py-faster-rcnn\data下
也可以参照github上通过脚本来下载：

Download pre-computed Faster R-CNN detectors

cd $FRCN_ROOT
./data/scripts/fetch_faster_rcnn_models.sh

This will populate the $FRCN_ROOT/data folder with faster_rcnn_models. See data/README.md for details. These models were trained on VOC 2007 trainval.

第七步：运行Demo

After successfully completing basic installation, you’ll be ready to run the demo.

To run the demo

cd $FRCN_ROOT
./tools/demo.py

The demo performs detection using a VGG16 network trained for detection on PASCAL VOC 2007.

3. 训练

光玩玩Demo怎么行，下面介绍如何自己训练，先来看看步骤

1. 准备数据
2. 将数据制作成voc2007的格式
3. 准备环境
4. 设置参数进行训练

一项一项说：
数据最好是视频中取得照片，不用特别多，根据经验，超过500张训练出来就不会太差了。那么照片怎么标定呢，参照我整理的blog: http://blog.csdn.net/angelfish91/article/details/56295908

好了，数据有了，接下来是准备环境，第一步是修改网络参数，怎么修改，参照blog:http://blog.csdn.net/sinat_30071459/article/details/51332084，接下来要注意了，根据我踩过的坑：

1. python中numpy 的版本必须为1.11，否则训练报错，怎么安装，参考blog:http://blog.csdn.net/youcharming/article/details/51073911
2. 训练报错assert (boxes[:, 2] >= boxes[:, 0]).all()出现AssertionError，参考：http://blog.csdn.net/xzzppp/article/details/52036794
3. ！！！为防止与之前的模型搞混,训练前把output文件夹删除（或改个其他名），还要把py-faster-rcnn/data/cache中的文件和
   py-faster-rcnn/data/VOCdevkit2007/annotations_cache中的文件删除（如果有的话）。

学习率等之类的设置，可在py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt中的solve文件设置，迭代次数可在py-faster-rcnn\tools的train_faster_rcnn_alt_opt.py中修改：

4. 测试

将训练得到的py-faster-rcnn\output\faster_rcnn_alt_opt***_trainval中ZF的caffemodel拷贝至py-faster-rcnn\data\faster_rcnn_models（如果没有这个文件夹，就新建一个），然后，修改：
py-faster-rcnn\tools\demo.py,参考blog: http://blog.csdn.net/sinat_30071459/article/details/51332084,
弄好之后就可以通过demo来进行测试啦

5. 小结

faster-RCNN因为出色的性能，完善的代码，网上有很多教程，当环境配置出现问题时，请请教百度与google，很多问题在gibhub和stack overflow 上已经有人踩过坑了，祝大家训练成功。