Faster-RCNN features for instance search（Python）Ubuntu配置

     时间主要花在了配置Faster-RCNN上。这篇文章很好运行~
  
     1.配置Faster-RCNN: python implementation by Ross Girshick
     2.下载本篇论文代码: Faster-RCNN feature for instance search
     3.

cd /retrieval-2016-deepvision-master
gedit params.py
    

          将其中第16行的params['fast_rcnn_path'] = '../faster-rcnn/'的路径改为Faster-RCNN的路径（第1步中设置的）
         比如我的改成了：params['fast_rcnn_path'] = '/home/wh/fasterRCNN/py-faster-rcnn'
     4.下载Oxford和Paris数据集
         i)推荐自行下载：

            Oxford：http://www.robots.ox.ac.uk/~vgg/data/oxbuildings/oxbuild_images.tgz   

                                     下载后放在.data/images/oxford目录下，解压命名文件夹为：data

                           解压后共5063张图像在retrieval-2016-deepvision-master/data/images/oxford/data目录下

                           http://www.robots.ox.ac.uk/~vgg/data/oxbuildings/gt_files_170407.tgz  

                                     下载后放在.data/images/oxford目录下，解压命名文件夹为：groundtruth

            Paris：   http://www.robots.ox.ac.uk/~vgg/data/parisbuildings/paris_1.tgz

                           http://www.robots.ox.ac.uk/~vgg/data/parisbuildings/paris_2.tgz      

                                     两个文件下载后放在.data/images/paris目录下，解压合并，命名文件夹为：data

                           解压后共6412张图像分为12个文件夹存放在retrieval-2016-deepvision-master/data/images/paris/data/paris目录下

                           不要将12个文件夹合并！

                           http://www.robots.ox.ac.uk/~vgg/data/parisbuildings/paris_120310.tgz    

                                    下载后放在.data/images/paris目录下，解压命名文件夹为：groundtruth

        ii)也可以运行data/images/paris下的get_paris.sh文件，以及data/images/oxford/下的get_oxford.sh文件进行下载。真的超级慢。
     5. 下载Faster-RCNN模型

./data/models/fetch_models.sh

      6. 为数据集图像创建列表

python read_data.py

        因为有两个数据集，所以需要相应更改params.py文件中第8行为 params['dataset'] = 'oxford'或者 params['dataset'] = 'paris'

    7. 提取Faster-RCNN特征

 python  features.py

    8. 第一过滤阶段(使用IPA以整幅图像进行检索匹配)

python ranker.py

   

若是出现以下问题，请检查数据库图像是否下载完整，或者存放的位置是否正确：

Applying PCA
Traceback (most recent call last):
File "ranker.py", line 165, in 
R.rank()
File "ranker.py", line 146, in rank
self.get_query_vectors()
File "ranker.py", line 71, in get_query_vectors
self.query_feats[i,:] = self.db_feats[np.where(np.array(self.database_list) == query_file)]
ValueError: could not broadcast input array from shape (0,512) into shape (512)

     9. 空间重排(使用RPA)

python rerank.py

    10. 评估

python eval.py

          此处可以看到每一类的mAP。

    11. 可视化

python vis.py