目录
-
- 1 ZF
- 准备工作
- 1.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage1_fast_rcnn_train.pt修改
- 2.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage1_rpn_train.pt修改
- 3.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage2_fast_rcnn_train.pt修改
- 4.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage2_rpn_train.pt修改
- 5.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/faster_rcnn_test.pt修改
- 6.py-faster-rcnn/lib/datasets/pascal_voc.py修改
- 7.py-faster-rcnn/lib/datasets/imdb.py修改
- 8.开始训练
- 9.测试
- 10.结果
- 11 error总结
- 2 ResNet
- 3 模型可视化
- 参考
- 1 ZF
说明：本博文假设你已经做好了自己的数据集，该数据集格式和VOC2007相同。下面是训练前的一些修改。
（做数据集的过程可以看http://blog.csdn.net/sinat_30071459/article/details/50723212）
Faster-RCNN源码下载地址：
Matlab版本：https://github.com/ShaoqingRen/faster_rcnn
Python版本:https://github.com/rbgirshick/py-faster-rcnn
本文用到的是Python版本，在Linux下运行。
Matlab版本的训练过程：http://blog.csdn.net/sinat_30071459/article/details/50546891
———- 文件目录 - **caffe-fast-rcnn**：caffe框架目录 - **data**：用来存放pretrained模型以及读取文件的cache缓存，还有一些下载模型的脚本 - **experiments**:存放配置文件以及运行的log文件，另外这个目录下有scripts，里面存放end2end和alt_opt两种训练方式的脚本 - **lib**：用来存放一些python接口文件，如其下的datasets主要负责数据库读取，config负责一些训练的配置选项 - **models**：里面存放了三个模型文件，小型网络ZF，中型网络VGG_CNN_M_1024以及大型网络VGG16，根据你的硬件条件来选择使用哪种网络，ZF和VGG_CNN_M_1024需要至少3G内存，VGG16需要更多的内存，但不会超过11G。 - **output**：这里存放的是训练完成后的输出目录，这是运行了训练后才会出现的目录 - **tools**：里面存放的是训练和测试的Python文件 ———-1 ZF
准备工作
1.配置caffe
这个不多说，网上教程很多。
2.其他的注意事项
这里说的挺详细了，认真看看吧。地址：https://github.com/rbgirshick/py-faster-rcnn（主要内容如下）
下面大概翻译一下上面网址的内容吧。
（1）安装cython, python-opencv,easydict
-
pip
install cython
-
pip
install easydict
-
apt-
get
install python-opencv
（2）下载py-faster-rcnn
-
# Make sure
to clone
with --recursive
-
git clone --recursive https:
//github.com/rbgirshick/py-faster-rcnn.git
如图：
（3）进入py-faster-rcnn/lib
执行make
如图：
（4）进入py-faster-rcnn\caffe-fast-rcnn
执行 cp Makefile.config.example Makefile.config
然后，配置Makefile.config文件，可参考我的配置：Makefile.config文件
配置好Makefile.config文件后，执行：
make -j8 && make pycaffe
如图：
（5）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）
（6）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
下面是训练前的一些修改。
1.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage1_fast_rcnn_train.pt修改
-
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': 16" #按训练集类别改，该值为类别数+
1
-
}
-
}
-
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:
16 #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
-
}
-
}
-
}
-
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:
64 #按训练集类别改，该值为（类别数+
1）*
4
-
weight_filler {
-
type:
"gaussian"
-
std:
0.001
-
}
-
bias_filler {
-
type:
"constant"
-
value:
0
-
}
-
}
-
}
2.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage1_rpn_train.pt修改
-
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': 16" #按训练集类别改，该值为类别数+
1
-
}
-
}
3.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage2_fast_rcnn_train.pt修改
-
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': 16" #按训练集类别改，该值为类别数+
1
-
}
-
}
-
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:
16 #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
-
}
-
}
-
}
-
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:
64 #按训练集类别改，该值为（类别数+
1）*
4
-
weight_filler {
-
type:
"gaussian"
-
std:
0.001
-
}
-
bias_filler {
-
type:
"constant"
-
value:
0
-
}
-
}
-
}
4.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage2_rpn_train.pt修改
-
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': 16" #按训练集类别改，该值为类别数+
1
-
}
-
}
5.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/faster_rcnn_test.pt修改
-
layer {
-
name:
"cls_score"
-
type:
"InnerProduct"
-
bottom:
"fc7"
-
top:
"cls_score"
-
inner_product_param {
-
num_output:
16 #按训练集类别改，该值为类别数+
1
-
}
-
}
-
layer {
-
name:
"bbox_pred"
-
type:
"InnerProduct"
-
bottom:
"fc7"
-
top:
"bbox_pred"
-
inner_product_param {
-
num_output:
64 #按训练集类别改，该值为（类别数+
1）*
4
-
}
-
}
6.py-faster-rcnn/lib/datasets/pascal_voc.py修改
-
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
-
'你的标签1',
'你的标签2',你的标签
3
','你的标签
4
'
-
)
上面要改的地方是
修改训练集文件夹：
self._data_path = os.path.join(self._devkit_path, 'VOC'+self._year)
用你的数据集直接替换原来VOC2007内的Annotations，ImageSets和JPEGImages即可,以免出现各种错误。
修改标签：
-
self._classes = (
'__background__',
# always index 0
-
'你的标签1',
'你的标签2',
'你的标签3',
'你的标签4'
-
)
修改成你的数据集的标签就行。
（2）
cls = self._class_to_ind[obj.find('name').text.lower().strip()]
（去掉lower应该也行）
建议训练的标签还是用小写的字母，如果最终需要用大写字母或中文显示标签，可参考：
http://blog.csdn.net/sinat_30071459/article/details/51694037
7.py-faster-rcnn/lib/datasets/imdb.py修改
该文件的append_flipped_images(self)函数修改为：-
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
！！！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）。
至于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：
max_iters = [80000, 40000, 80000, 40000]如果改了这些数值，最好把py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt里对应的solver文件（有4个）也修改，stepsize小于上面修改的数值。
8.开始训练
进入py-faster-rcnn，执行：
./experiments/scripts/faster_rcnn_alt_opt.sh 0 ZF pascal_voc这样，就开始训练了。
9.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,主要修改：
-
CLASSES = (
'__background__',
-
'你的标签1',
'你的标签2',
'你的标签3',
'你的标签4')
改成你的数据集标签；
-
NETS = {
'vgg16': (
'VGG16',
-
'VGG16_faster_rcnn_final.caffemodel'),
-
'zf': (
'ZF',
-
'ZF_faster_rcnn_final.caffemodel')}
上面ZF的caffemodel改成你的caffemodel。
im_names = ['1559.jpg','1564.jpg']
改成你的测试图片。(测试图片放在py-faster-rcnn\data\demo中)
10.结果
在py-faster-rcnn下，
执行：
./tools/demo.py --net zf
或者将默认的模型改为zf：
修改：
default='zf'
./tools/demo.py
11 error总结
11.1 error 1：IndexError: list index out of range
File "./tools/train_net.py", line 85, in
roidb = get_training_roidb(imdb)
File "/usr/local/fast-rcnn/tools/../lib/fast_rcnn/train.py", line 111, in get_training_roidb
rdl_roidb.prepare_roidb(imdb)
File "/usr/local/fast-rcnn/tools/../lib/roi_data_layer/roidb.py", line 23, in prepare_roidb
roidb[i]['image'] = imdb.image_path_at(i)
IndexError: list index out of rangeerror1 解决办法：
删除fast-rcnn-master/data/cache/ 文件夹下的.pkl文件，或者改名备份，重新训练即可。
2 ResNet
1）修改/home/path/py-faster-rcnn-urine/lib/datasets/pascal_voc.py的类别名字
2）数据集放在/home/path/py-faster-rcnn-urine/data/VOCdevkit2007/VOC/中
结构如下：
- Annotations
- ImageSets
- Main
- test.txt
- trainval.txt
- Main
- JPEGImages
3）修改
/home/path/py-faster-rcnn-urine/models/pascal_voc/RES101/faster_rcnn_end2end
的test.prototxt和train.prototxt，与上述ZF类似，改（类别+1）和4*（类别+1）
train.prototxt中以下三处 9 改为 类别数加1
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': 9"
}
}python_param {
module: 'rpn.proposal_target_layer'
layer: 'ProposalTargetLayer'
param_str: "'num_classes': 9"
}
inner_product_param {
num_output: 9
weight_filler {
type: "gaussian"
std: 0.01
}
bias_filler {
type: "constant"
value: 0
}
}train.prototxt中36改为4*（类别数+1）
inner_product_param {
num_output: 36
weight_filler {
type: "gaussian"
std: 0.001
}
bias_filler {
type: "constant"
value: 0
}
}同样的对 test.prototxt 做相应的修改
9改为 类别数加1
inner_product_param {
num_output: 9
weight_filler {
type: "gaussian"
std: 0.01
}
bias_filler {
type: "constant"
value: 0
}
}36改为4*（类别数+1）
inner_product_param {
num_output: 36
weight_filler {
type: "gaussian"
std: 0.001
}
bias_filler {
type: "constant"
value: 0
}
}4）删除
/home/path/py-faster-rcnn-urine/data/cache/中的缓存（训练的时候会有)
5）删除
/home/path/py-faster-rcnn-urine/data/VOCdevkit2007/annotations_cache/中的缓存，测试的时候会有
6）预训练模型
下载相应的预训练模型到如下目录，比如res101的RES101.v2.caffemodel
/home/path/py-faster-rcnn-urine/data/imagenet_models/6）训练
cd /home/path/py-faster-rcnn-urine
./experiments/scripts/ 0 RES101 pascal_voc
训练好的模型保存在如下目录
/home/path/py-faster-rcnn-urine/output/faster_rcnn_end2end/voc_2007_trainval/
会自动测试计算mAP
3 模型可视化
caffe深度学习网络(.prototxt)在线可视化工具：Netscope
Editor
网址：http://ethereon.github.io/netscope/#/editor
在左边的黑色编辑器内复制网络的XXX.prototxt 文件内容，按 Enter+Shift 就会出现右边的网络结构
很方便的哟
参考
【1】Caffe学习系列——6使用Faster-RCNN进行目标检测（VGG_CNN_M_1024 + 工作目录简介 ）
【2】Faster RCNN 训练自己的检测模型（error1）
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
