RCNN总结

之前在ubuntu下搞过,没有弄出来,想起来实在是不甘心,现在重新拾起,感觉学的还是迟了好几年啊。

 

RCNN 出自2014 cvpr Rich feature hierarchies for accurate object detection andsemantic segmentation

 

该文章主要提出了以下3个点,

(1)CNN网络结构,采用selective search从底向上生成候选区域(region proposals)

(2)采用了ILSVRC数据库训练,VOC数据库微调的策略,(supervised pre-training/domain-specific finetuning)平均提高了8个点的mAP

(3)采用了边界框回归策略(bounding box regression),使得检测定位准确度更高,平均提高3-4个点的mAP

 

 

整个系统的检测过程分为以下4步,

(1)读取输入图片

(2)使用ss方法,提取2000左右的候选区域

(3)使用CNN提取候选区域的特征

(4)线性SVM分类,NMS抑制,bounding box回归,输出分类结果和边界框

 

 

 

安装过程:

安装caffe-0.999

RCNN只有0.999的caffe支持。

 

git clone https://codeload.github.com/BVLC/caffe/zip/v0.999
make matcaffe -j8

 

出现如下错误,

 

解决,

vim include/caffe/util/math_functions.hpp
gg 224
将第一行注释掉,第二行改为std::signbit(x[i]));
using std::signbit;
DEFINE_CAFFE_CPU_UNARY_FUNC(sgnbit, y[i] =signbit(x[i]));

//using std::signbit;
DEFINE_CAFFE_CPU_UNARY_FUNC(sgnbit, y[i] =std::signbit(x[i]));

出现如下错误,

 

vim Makefile

修改274行,-o为-output

然后,进入caffe-root/matlab/caffe下面,如果有caffe.mexa64,证明安装成功。

cd caffe-root/data/ilsvrc12/
./get_ilsvrc_aux.sh

 

这个脚本中的下载链接已经失效,可以cp一个caffe-master的该脚本,进行下载。

安装RCNN

git clone https://github.com/rbgirshick/rcnn.git
cd rcnn
ln -sf $CAFFE_ROOT external/caffe
./data/fetch_models.sh 					(1.5G)
./data/fetch_selective_search_data.sh     	(1.8G)
./selective_search/fetch_selective_search.sh 	(0.3M)

 

运行demo

 

matlab
rcnn_build()

出现错误,chmod之后还是出这个错误,换成root权限还是有这个错误

 

解决方法,一个很low的解决方法,但是通过编译了,

将rcnn_build.m打开,第50行,做如下修改,将下面第一行替换为下面的4行

"external/liblinear-1.94/blas/*.c"...

 

external/liblinear-1.94/blas/daxpy.c ...

external/liblinear-1.94/blas/ddot.c ...

external/liblinear-1.94/blas/dnrm2.c ...

external/liblinear-1.94/blas/dscal.c ...

 

完毕后执行下面语句,输出-2证明安装成功

key=caffe('get_init_key')

运行,examples下面的rcnn_demo

 

rcnn_demo

 

整体流程:

(1)在图像中通过选择性搜索selective search方法确定确定1000-2000个roi 候选框。

(2)将每一个ROI候选框resize到同一个大小,然后输入cnn网络进行特征提取。

(3)将cnn提取的特征,输入SVM中进行分类操作。

(4)对于确定的类别进行候选框的回归操作,从而得到更加精确的候选框。

总结:

优点:

(1)使用神经网络替代了传统机器学习中的hog,sift,dpm等算子来提取目标的特征,提取出的特征相比手工设计的算子效果更好。

缺点:

(1)提取特征中,存在计算冗余,速度太慢,平均需要47s的样子



 

 

 

 

 

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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