tf-faster-rcnn训练及批量测试（适合小白）

最新推荐文章于 2023-09-22 11:38:33 发布
最新推荐文章于 2023-09-22 11:38:33 发布
阅读量745 收藏
点赞数
文章标签： 计算机视觉 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39172959/article/details/100108752
版权
本文档详细介绍了如何在TensorFlow环境下安装和使用TF-Faster-RCNN进行目标检测。内容包括安装步骤、测试预训练模型、训练自定义数据集以及解决常见错误。提供了解决GTX 1080 GPU配置问题的方法，以及在测试和训练过程中修改代码以适应终端操作的技巧。
摘要由CSDN通过智能技术生成

根据https://github.com/endernewton/tf-faster-rcnn作者写的readme执行，并根据网上查找一些博客，做了整理

安装

1.下载源码：

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

2.配置环境
tensorflow、cython、pillow、opencv、easydict、matplotlib、scipy、pyyaml

3.查看GPU配置
在lib/setup.py中查看GPU版本，搜索“-arch”查看版本并修改
在这里插入图片描述
我使用的是GTX 1080，因此改为’-arch=sm_61’

4.编译Cython

make clean
make
cd ..

5.安装Python COCO API

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

测试预训练模型

1.下载预训练模型

./data/scripts/fetch_faster_rcnn_models.sh
最低0.47元/天 解锁文章
Binbin Cai
关注
Faster R-CNN 修改demo.py为批量测试
gusui7202的博客
10-21 3280
修改了tools/demo.py以下几点： 1.加入：读取txt文档内的图片名称合集为列表。 2.模型的路径改为手动选择 3.添加保存图片函数和路径。   使用： 修改类别、修改名称、修改模型地址、修改图片保存地址、修改要读入的txt地址。 #!/usr/bin/env python """ https://blog.csdn.net/gusui7202/article/deta...
faster r-cnn训练、测试、检测(含批量检测图片)
qq_35153620的博客
05-10 5074
faster r-cnn(tensorflow版本)训练VOC数据集、测试、检测指南 使用的faster r-cnn代码github地址 https://github.com/endernewton/tf-faster-rcnn git下载： git clone https://github.com/endernewton/tf-faster-rcnn.git 1.准备工作 首先根据自...
python批量测试训练好的网络模型的代码
10-20
可以直接用训练好的模型进行批量测试并显示，python语言的。
将faster RCNN从github上下载的frozen模型转换为tflite时候报错
cdyx369的博客
09-07 3145
转换代码如下： tflite_convert   --graph_def_file=/home/sir/project/models/faster/frozen_inference_graph.pb   --output_file=/home/sir/project/models/faster/foo.tflite   --input_arrays=image_tensor   --output...
py3使用Faster R-CNN训练自己的数据集（版本：tf-faster-rcnn）
Lemon_Rain的博客
04-09 1628
环境： Linux 系统 Python3 TensorFlow tf-faster-rcnn 此篇文章主要记录怎样快速使用tf-faster-rcnn训练自己的数据集，其他的问题可参考其他博客。 根据提示缺少的库，自行安装即可。 一、下载代码 git clone https://github.com/endernewton/tf-faster-rcnn.git 二、根据下图更改下对应的参数 ...
FasterRCNN源码解析（一）-——跑通代码
prague6695的博客
03-22 4819
FasterRCNN源码解析（一）-——跑通代码 这个系列是对哔哩哔哩up主霹雳吧啦Wz所出的FasterRCNN源码解析的视频进行一个记录以及加上自己理解（可能没有多少，更多的是对数据类型怎么变换的进行一个记录），首先学习源码的第一步就是先跑通目标代码 这里附上霹雳吧啦Wz的github链接：https://github.com/WZMIAOMIAO/deep-learning-for-image-processing 课程中的代码都在git中，大家可以自行下载 文章目录FasterRCNN源码解析（一）
tf-faster-rcnn-master.rar_Faster-_blankd6y_faster RCNN_faster RC
07-15
Faster R-CNN的核心改进在于将RPN与传统的检测网络（如RCNN和Fast R-CNN）相结合，使得目标检测过程可以端到端地进行训练。RPN负责生成候选目标区域，而后续的检测网络则对这些区域进行分类和精确定位。这种方法不仅...
tf-Faster-RCNN-master.rar_citizenghr_faster_faster RCNN_faster-r
09-23
【标题】"tf-Faster-RCNN-master.rar" 指的是一个基于TensorFlow实现的Faster R-CNN源码库的压缩包。Faster R-CNN是一种在计算机视觉领域广泛应用的目标检测算法，由Ross Girshick、Shaoqing Ren和Kaiming He等人在...
tf-faster-rcnn指南（三）——训练模型-附件资源
03-05
tf-faster-rcnn指南（三）——训练模型-附件资源
Ubuntu 16.04下利用tf-faster-rcnn在VOC或其他数据集上训练自己的模型-附件资源
03-05
Ubuntu 16.04下利用tf-faster-rcnn在VOC或其他数据集上训练自己的模型-附件资源
Tensorflow Faster RCNN修改训练的类别数量
Passerby的博客
11-10 916
本文主要基于COCO数据集，需要某一类别或某几个类别的检测结果，所以针对特定的类别专门训练一个Faster RCNN的模型，后续可以针对特定的类别设置ancher和scale的大小以达到更好的效果。 源码地址：tf faster rcnn 训练 要修改的文件：./tf-faster-rcnn/lib/datasets/coco.py 第39行： cats = self._COCO.loadCa...
Faster R-CNN训练自己的数据集Windows10+pycharm+tensorflow环境下
qq_28664681的博客
07-06 2599
本文主要参考https://blog.csdn.net/u010554381/article/details/86233339， yuanma 我用的源码是：https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5 说一下我的运行环境，Windows10，pycharm，tensorflow1.13.1，Keras2.2.4，python3.6。 1.先运行demo 现下载训练好的vgg16.ckpt，放到这个位置data \ imagenet_
使用Mask-RCNN训练自己的数据集看这一篇就够了，从制作数据集开始一步步教你如何玩转Mask-RCNN（保姆级教程）
ekekex的博客
04-15 1万+
使用Mask_RCNN训练自己的数据集的方法，教你从零开始训练自己的Mask_RCNN模型。
FRSCNN基本方法和实验总结
最新发布
duanyikai的博客
09-22 270
FRSCNN论文阅读总结，新手入坑，感觉会有很多错误的地方，请大佬们批评指正！提示：以下是本篇文章正文内容，下面案例可供参考一． 摘要：SRCNN在图像重建上取得了非常好的成果，但是计算量太大了，没法实时处理（24fps）。FSRCNN采用一种沙漏型的CNN结构来达到加速的目的。改变的三个方向网络的最后一层为转置卷积（也就是反卷积层），输入的源图像直接就是低分辨率图像，没有进行插值。重新构造了网络结构，在提取特征维度之前添加了缩小层和扩展层。
RCNN学习笔记——第三篇: 实现FRCNN网络训练、评价与预测(附全部源码)
ict_rtf的博客
03-17 6353
RCNN学习笔记——第三篇: FRCNN网络训练 本文是个人根据B站大佬Bubbliiiing的FRCNN系列视频同步完成FRCNN训练，记录心得和遇见的问题。 关于RCNN家族的对比，本人有一篇博客或许能为大家答疑解惑RCNN学习笔记——第一篇: RCNN -＞ FAST RCNN -＞ FASTER RCNN 处理流程分析及比较_isolatewind的博客-CSDN博客 文章目录RCNN学习笔记——第三篇: FRCNN网络训练1. 前期准备2. 代码使用3. 预测步骤3.1 直接使用预先训练好的权重3
详解 TensorFlow TFLite 移动端（安卓）部署物体检测 demo（3）——训练模型
Abandon_first的博客
06-30 1985
详解 TensorFlow TFLite 移动端（安卓）部署物体检测 demo（3）——替换数据集训练 ssd mobilenet v2
【目标检测】用自己的数据集训练Faster RCNN的详细全过程（步骤很详细很直观，小白可入）
热门推荐
qq_38391210的博客
03-02 2万+
一、写在前面 最近和小伙伴一起参加了服务外包比赛，选择的题目是对于图像中的安全帽的检测。对YOLOv3，Faster RCNN这些常见的目标检测算法都进行了实验。本文就介绍Faster RNN的整个实验过程。 二、电脑相关配置 win10，python3.6 三、训练过程 实验选用的源码是较为常用的Faster RCNN源码。对于该源码的使用网上也有很多的博客文章，但是正是因为文章很多，所以也容易...
基于Faster-RCNN-TF的gpu运行总结(自己准备数据集)（训练篇）
qq_39531954的博客
12-21 2万+
最近经过一段对tensorflow和faster-rcnn的学习，并且亲身去跑了两个不同框架下的faster-rcnn代码，所以就在这里做一下总结。 这里，我就主要记录一下自己在跑tensorflow框架下的faster-rcnn。 首先，就是硬件要求，因为自己是做计算机图像，目标识别，所以最重要的一个提升效率的装备就是GPU，也就是显卡。现在能在GPU上进行运算，可以让我们的时间成本
mask-r-cnn和faster rcnn对比
07-27
Mask R-CNN和Faster R-CNN是两种常用的目标检测算法，它们之间有一些区别和不同的特点。 Faster R-CNN是一种两步目标检测算法，由两个主要组件组成：Region Proposal Network（RPN）和Fast R-CNN。RPN负责生成候选框（即Region of Interest），然后Fast R-CNN对这些候选框进行分类和回归。Faster R-CNN具有较快的检测速度，适用于实时应用。 Mask R-CNN是在Faster R-CNN的基础上进行扩展而来的，它在目标检测的同时还能生成每个物体实例的像素级掩码。这意味着Mask R-CNN不仅可以准确地定位和分类目标，还可以精确地提取目标的轮廓。Mask R-CNN使用了额外的分支网络来生成掩码，使得算法能够同时进行目标检测和语义分割。 总结来说，Faster R-CNN是一种快速且准确的目标检测算法，适用于实时应用。而Mask R-CNN在目标检测的基础上还能进行像素级掩码生成，适用于需要更精细定位和分割的任务。选择使用哪种算法取决于具体应用场景和需求。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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