R-FCN实验笔记——Matlab版(包括运行过程,遇到的问题及解决)

1.下载代码

2.克隆caffe
cd py-R-FCN
git clone https://github.com/Microsoft/caffe.git #Microsoft的源

4.编译caffe和matcaffe

cd ~/R-FCN-master/caffe
cp Makefile.config.example Makefile.config 
make -j8 && make matcaffe

这里可能遇到的问题及解决:

1问题:.src/caffe/net.cpp:8:18: fatal error: hdf5.h: 没有那个文件或目录

解决:

Step 1

Makefile.config文件的第85行,添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS,也就是把下面第一行代码改为第二行代码。

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial/

Step 2

Makefile文件的第173行,把 hdf5_hl 和hdf5修改为hdf5_serial_hl 和 hdf5_serial,也就是把下面第一行代码改为第二行代码。

LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5
LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_serial_hl hdf5_serial

如果还没解决,则:

find /usr-iname"*hdf5.h*"

/usr/include/hdf5/serial/hdf5.h

export CPATH="/usr/include/hdf5/serial/"

然后 make clean

make -j8

2.问题

MATLAB_DIR must be specified in Makefile.config to build matcaffe.
Makefile:510: recipe for target 'matlab/+caffe/private/caffe_.' failed
make: *** [matlab/+caffe/private/caffe_.] Error 1

解决:去掉注释     MATLAB_DIR := /usr/local
                             MATLAB_DIR := /usr/local/MATLAB/R2017a

3.Run fetch_data/fetch_demo_model_ResNet101.m to download a R-FCN model using ResNet-101 net (trained on VOC 07+12 trainval).

在.m文件目录下运行matlab -nodesktop -nosplash -r filename

若下载失败则直接下载后拷贝。

4.Run rfcn_build.m.

若错误提示 :matcaffe is missing from external/caffe/matlab; See README.md

修改startup.m里面的caffe_path = fullfile(curdir, 'external', 'caffe', 'matlab');,改成caffe_path = fullfile(curdir, 'caffe');这里caffe在R-FCN-master根目录下。









R-FCN(Region-based Fully Convolutional Networks)是一种用于目标检测的深度学习网络模型。它是基于全卷积网络(Fully Convolutional Networks)和区域建议网络(Region Proposal Networks)的结合。R-FCN 在目标检测任务上取得了较好的性能。 关于 R-FCNMatlab 实现,你可以参考以下步骤: 1. 下载 R-FCN 的源代码。你可以在 GitHub 上找到一些开源实现,如 https://github.com/daijifeng001/R-FCN 或者其他类似的仓库。 2. 安装 Matlab 并配置深度学习框架。Matlab 支持多种深度学习框架,如 TensorFlow、PyTorch、Caffe 等。根据你选择的 R-FCN 实现,安装对应的深度学习框架并配置 Matlab 的环境。 3. 加载预训练模型。R-FCN 需要在大规模数据集上进行预训练,你需要下载相应的预训练模型,并将其加载到 Matlab 中。 4. 准备数据集。为了使用 R-FCN 进行目标检测,你需要准备一个目标检测数据集,包括图像和标注信息。确保数据集格式与 R-FCN 的输入要求相符。 5. 运行训练代码。根据你选择的 R-FCN 实现,运行相应的训练代码来训练网络模型。你可能需要调整一些训练参数,如学习率、批大小等。 6. 进行目标检测。训练完成后,你可以使用 R-FCN 进行目标检测。提供待检测图像作为输入,R-FCN 将输出目标类别和位置信息。 请注意,以上步骤仅提供了一般的指导,具体实现可能因不同的 R-FCN 实现而有所差异。在实际操作中,请参考相应的文档和代码示例,以确保正确实现 R-FCN 网络。
评论 1
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