基于TensorFlow复现Faster R-CNN

预先准备

• 先到GitHub上clone相关文件

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

• 根据GPU型号选择相应的Architecture（-arch），由于我是在服务器上操作，服务器的型号为GTX 1080，所以选择的Architecture是sm_61

  cd tf-faster-rcnn/lib
  vim setup.py
  

  在setup.py中找到arch，使arch = sm_61.

• 构建Cython模块

  make clean
  make
  cd ..
  

• 在tf-faster-rcnn/data中导入coco的PythonAPI（PythonAPI），如果选择的是VOC数据集，这一步骤就不需要了，因为这是为了接受coco数据集做准备的。

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

数据集的准备

我使用的是来自官网的VOC数据集（当然这个数据集可以自己制作）。

aria2c -s 5 http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
aria2c -s 5 http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
aria2c -s 5 http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

• 这里共涉及到三个压缩包，都需要下载。
• aria是多线程下载，可以稍加速下载速度。当然，下载也可以使用wget + 网址。

下载完压缩包后，解压压缩包，解压结束后，三个文件夹中的内容会处于同一个文件夹中。

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

预训练模型下载

由于GitHub中所给的预训练模型无法下载，我在其他网站上找到了一个resnet101的预训练模型。

aria2c -s 5 http://download.tensorflow.org/models/resnet_v1_101_2016_08_28.tar.gz

• 这样下载的速度特别慢，可能这需要连接外网才能快速下载，所以我先用外网将模型下载到本地文件中，在将该压缩包上传至服务器中
• 除了resnet101预训练模型，还可以下载vgg16预训练模型（vgg16模型下载网址）

scp -r resnet_v1_101_2016_08_28.tar.gz username@服务器:文件名

上传后解压，将解压后的模型放至data文件夹中

mkdir -p data/imagenet_weights
cp resnet_v1_101.ckpt (对应路径名)data/imagenet_weights            --后一个用绝对路径
cd data/imagenet_weights
mv resnet_v1_101.ckpt res101.ckpt
cd ../..

设置软连接

在VOC数据集与下载的预训练模型之间设置软连接

cd data/
mkdir -p output/${res101}/${VOCdevkit}
cd output/${res101}/${VOCdevkit}
ln -s ../data/VOCdevkit ./default
cd ../..

开始训练

训练：

./experiments/scripts/train_faster_rcnn.sh [GPU_ID] [DATASET] [NET]
# Examples:
./experiments/scripts/train_faster_rcnn.sh 0 pascal_voc vgg16
./experiments/scripts/train_faster_rcnn.sh 1 pascal_voc res101

测试与验证：

./experiments/scripts/test_faster_rcnn.sh [GPU_ID] [DATASET] [NET]
# Examples:
./experiments/scripts/test_faster_rcnn.sh 0 pascal_voc vgg16
./experiments/scripts/test_faster_rcnn.sh 1 pascal_voc res101

可以用tensorboard来可视化效果：

tensorboard --logdir=tensorboard/res101/voc_2007_trainval

总结

这篇博客中的步骤可以用来新手练习复现faster rcnn，这些步骤都很简单，很快就能实现。

主要是根据GitHub中的README进行一步步操作，省略了部分操作，以上为亲自实现过的操作步骤都很简单，很快就能实现。

GitHub链接：https://github.com/endernewton/tf-faster-rcnn