1.下载github项目代码和数据
git clone https://github.com/endernewton/tf-faster-rcnn.git
2.修改配置
在lib文件夹下有个setup.py文件,里面可以设置CPU和GPU的参数。
3.链接cython 模块
在lib目录下打开终端,输入
make clean
make
cd ..
此时终端回到主目录tf-faster-rcnn
4.安装 Python COCO API,这是为了使用COCO数据库
cd data
git clone https://github.com/pdollar/coco.git
cd coco/PythonAPI
make
cd ../../..
此时终端的目录是主目录tf-faster-rcnn
5.运行Demo 和测试预训练模型
(1)下载预训练模型
要用到的模型 voc_0712_80k-110k.tgz ,按照readme里面给的sh文件下载可能会有网络问题,下载不下来。这个文件可以手动下载。
tar xvf voc_0712_80k-110k.tgz
解压得到voc_2007_trainval+voc_2012_trainval文件夹
(2)建立预训练模型的软连接
NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../..//voc_2007_trainval+voc_2012_trainval ./default
cd ../../..
在data目录下运行终端,运行完前三条命令,会新建一个目录tf-faster-rcnn/data/output/res101/voc_2007_trainval+voc_2012_trainval
(3)运行demo
博客中的代码是这样的,也是github里面给出的
GPU_ID=0
CUDA_VISIBLE_DEVICES=${GPU_ID} ./tools/demo.py
修改的demo.py加上 plt.switch_backend('agg')