Fast rcnn cpu 训练自己的数据

最新推荐文章于 2024-10-09 15:17:15 发布

子辰曦

最新推荐文章于 2024-10-09 15:17:15 发布

阅读量9.8k

点赞数 5

分类专栏： 12、Opencv 文章标签： fast-rcnn rcnn caffe cpu

本文链接：https://blog.csdn.net/u012675539/article/details/53537271

版权

本文详细阐述如何在CPU环境下安装Faster R-CNN，运行demo以及训练自定义数据集。首先确保已安装Caffe，然后根据步骤修改相关配置文件以适应CPU模式。训练时，需要替换模型参数，调整配置文件以匹配目标类别，并对脚本进行修改以适应CPU训练。完成这些步骤后，即可开始训练过程。

摘要由CSDN通过智能技术生成

本文介绍如何在 cpu 模式下使用 Faster RCNN demo，以及在cpu 模式下训练自己的数据。

Install Faster-rcnn

源码地址：https://github.com/rbgirshick/py-faster-rcnn

由于 faster rcnn 依赖是基于 caffe 的，所以需要先安装 caffe，所以前提是你已经在本机上装过 caffe ，然后直接复制该 Makefile.config 到目录 $FRCN_ROOT/caffe-fast-rcnn 下然后执行 make -j8 && make pycaffe 即可。

Run demo in cpu

安装完后可以跑个 demo 试试

cd $FRCN_ROOT
./tools/demo.py

如果出现如下错误：

ImportError: No module named gpu_nms

说明 demo.py 脚本默认使用 gpu 检测物体，如果想要使用 cpu 修要做如下修改：

将$FRCN_ROOT/lib/setup.py 中含有nms.gpu_nms的部分注释掉，注释后的内容如下。同时需要将该文件中 58 行左右的 CUDA = locate_cuda() 也注释掉。

ext_modules = [
    Extension(
        "utils.cython_bbox",
        ["utils/bbox.pyx"],
        extra_compile_args={
  'gcc': ["-Wno-cpp", "-Wno-unused-function"]},
        include_dirs = [numpy_include]

最低0.47元/天解锁文章