tf-faster-rcnn的安装以及测试

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')