Widows下Faster R-CNN的MATALB配置（CPU）

最新推荐文章于 2019-09-02 19:20:45 发布
最新推荐文章于 2019-09-02 19:20:45 发布
阅读量152 收藏 2
点赞数
文章标签： 人工智能 matlab c/c++
原文链接：http://www.cnblogs.com/chenzhen0530/p/10933414.html
版权

目录

说实话，费了很大的劲，在调试的过程中，遇到了很多的问题；

幸运的是，最终还是解决了问题；

这是一篇关于在Windows下Faster R-CNN的MATLAB源码（该项目已不再维护）调试的笔记，目前只在CPU上Testing通过；

GPU版本见：Widows下Faster R-CNN的MATALB配置（GPU）

由于机器配置的原因，没有涉及到Faster R-CNN的Training问题；

另外，机器的软硬件是一个不小的问题，由于使用的Microsoft提供的caffe（该项目已不再维护），该项目使用VS2013、CUDA7.5，由于本文不使用GPU测试及训练，因此不关注CUDA版本；至于VS，之前安装过VS2015，遇到了一些问题，因此为了能够快速的对Faster R-CNN源码的测试，这里不建议使用VS2015；（当然了，使用VS2015也可能会得到想要的结果，但是相对来说，使用VS2013更容易些）

环境配置：

Windows 10
VS 2013
MATLAB 2018a

这里再补充一点，有些博主建议说先安装VS再安装MATLAB，防止MATLAB找不到VS的C/C++编译器；由于本人之前就已经安装过MATLAB，后来才安装的VS2013，幸运的是，关于找不到C编译器的这个问题，没有遇到；

对了，这里做一个整体的概括，我们想要执行Faster R-CNN的MATLAB源码完成Testing；大致可分为三个步骤：

  • 准备工作；下载一些文件；
  • 使用VS2013对Caffe编译；（这一块将会占用很大一部分时间）
  • 测试Faster R-CNN的MATLAB源码；

说实话，里面有很多小细节，一招不慎，就会error；

下面也将分成三大部分进行介绍；

1. 准备工作

1.1 Faster R-CNN的MATLAB源码

下载faster_rcnn的matlab源码：下载地址；

得到./faster_rcnn文件夹；

打开matlab，定位到./faster_rnn/，目录结构如下图所示；

faster_rcnn_1.png

部分文件夹介绍：
experiment/：主要是用于testing/training的脚本；
external/：主要存放成功编译的提供matlab接口的caffe；（后面将花费很多时间在这个上面）
fetch_data/：作者提供的一些用于下载的脚本文件；

其中的都是一些依赖方法，大家可以去看一下；

补充说明：

  1. 有关external/存放的是编译好的提供matlab接口的caffe，后续我们将使用VS进行编译，并将编译好的caffe放进其中；
  2. 有关fetch_data/中有一个脚本文件fetch_caffe_mex_windows_vs2013_cuda65.m用于下载作者提供的编译好的caffe，因为我们需要重新编译，所以并不会使用它；
1.2 Microsoft-Caffe

下载Microsoft提供的caffe：下载地址；

解压得到./caffe文件夹；

目前，我们得到两个文件夹；

Faster_R-CNN_CPU_1.png

1.3 matlab指定C/C++编译器

打开matlab，执行：

mex -setup

选择 Microsoft Visual C++ 2013 (C) 进行C语言编译，如下图：

faster_rcnn_12.png

2. VS2013编译Caffe

2.1 CommonSettings.props

打开./caffe/windows/，找到CommonSettings.props.example文件，复制后，将名称改为CommonSettings.props，如下图：

faster_rcnn_2.png

使用notepad打开CommonSettings.props，修改下面内容：

第7行： <CpuOnlyBuild>false</CpuOnlyBuild> 修改成：<CpuOnlyBuild>true</CpuOnlyBuild>
第8行： <UseCuDNN>true</UseCuDNN> 修改成： <UseCuDNN>false</UseCuDNN>
第16行： <MatlabSupport>false</MatlabSupport> 修改成： <MatlabSupport>true</MatlabSupport>

上述三处修改分别表示，仅仅使用CPU、不使用CudNN、使用MATLAB；

继续修改：

第53行： <MatlabDir>C:\Program Files\MATLAB\R2014b</MatlabDir> 修改成：<MatlabDir>F:\software\Matlab 2018a</MatlabDir>
第55行： <IncludePath>$(MatlabDir)\extern\include;$(IncludePath)</IncludePath> 修改成：<IncludePath>$(MatlabDir)\extern\include;$(MatlabDir)\toolbox\distcomp\gpu\extern\include;$(IncludePath)</IncludePath>

上述第一处修改指定MATLAB安装位置；第二处修改，添加文件mxGPUArray.h，否则后续会报错；

2.2 项目-属性配置

修改完成，使用VS2013打开./caffe/windows/Caffe.sln，双击即可；

打开之后，将Debug模式调成Release模式；（在调试的过程中，可能会重新加载项目，注意需要调整成Release）

之后，

libcaffe项目右键—> 属性—>配置属性—> C/C++ —> 常规，将将警告视为错误修改为否；否则编译libcaffe时会报下面的错误；

提示出现：error C2220:...，表示alt_sstream_impl.hpp文件编码格式错误；解决方法是：双击错误信息，弹出错误提示信息，确定后打开一个alt_sstream_impl.hpp文件，然后Ctrl+S进行保存即可；

2.3 添加roi_pooling_layer.cpp

打开解决方案资源管理器，找到libcaffe/cu/layers/右键—》添加—》现有项，在./caffe/src/caffe/layers/中找到roi_pooling_layers.cpp文件，进行添加，如下图；

添加成功后，可以看到libcaffe/cu/layers/下有roi_pooling_layers.cpp文件；

faster_rcnn_3.png

2.4 编译libcaffe

选中项目libcaff，右键—> 重新生成；

首先会自动还原NuGet包，然后生成成功；

补充说明：

在选择重新生成后，会自动还原NuGet包；

需要还原哪些NuGet包，都在ibcaffe/packages.config中定义，如下图所示；其中有些包的名称为vc120表示适用于VS2013；而VS2015的话，对应名称则为vc140；

之前安装过VS2015，在这里遇到问题了，因为有些包在NuGet网站上就没有对应于vc140的，只有vc120的；

faster_rcnn_4.png

2. 5 编译matcaffe

如果上面幸运的话，没出什么错，那这里也不会遇到什么麻烦了；

类似重新生成libcaffe，以同样的方式，选择matcaffe，右键—> 生成；

到目前为止，我们已经有了三个文件夹，如下图所示：

  • ./caffe/：表示microsoft提供的caffe；
  • ./faster_rcnn/：表示faster r-cnn的matlab源码；
  • ./NugetPackages/：就是在编译libcaffe时还原出来的NuGet包；
  • 另外，./caffe/Build/x64/Release/下就是得到caffe；

faster_rcnn_11.png

其中，./caffe/Build/文件夹就是编译caffe得到文件；

如果在./caffe/Build/x64/Release/matcaffe+caffe/private/文件夹下，有caffe_.mexw64文件表明caffe的matlab接口编译正确；

2.6 在matlab中使用caffe

在对Faster R-CNN的源码测试之前呢，先说明一下如何在matlab中使用编译好的caffe；

参考其他博客中，最常见的做法是：

  • 首先，将./caffe/Build/x64/Release添加到系统变量的path中；
  • 然后，将./ccaffe/Build/x64/Release/matcaffe添加到matlab的搜索路径中；
  • 最后，打开matlab，在命令行中使用caffe.reset_all()进行测试是否成功；

电脑重启、maltab重启都试过了，然而我的却是总是错误：

未定义变量 "caffe" 或类 "caffe.reset_all"。

怎么解决的呢？最后对比./caffe/matlab/+caffe/与./caffe/Build/x64/Release/matcaffe/+caffe/这两个文件夹才发现了端倪，如下图所示；

Faster_R-CNN_CPU_2.png

发现在多了一些.m文件，而且注意到reset_all.m这个文件在其中，有没有很熟悉；

其实命令caffe.reset_all()中的caffe指的就是这里的文件夹+caffe，.reset_all()就是调用的这个reset_all.m这个脚本文件；

而在编译之后，+caffe这个文件夹是没有reset_all()这个方法的；

因此，在设置系统变量path以及添加matlab搜索路径之后，将缺失的这些方法都拷贝到编译成功的./caffe/Build/x64/Release/matcaffe/+caffe/文件夹中；

这时候，再执行caffe.reset_all()就不会报错了；

输出结果如下：

Cleared 0 solvers and 0 stand-alone nets

那么接下来就开始执行faster r-cnn的源码测试了；

3. Faster R-CNN的MATLAB源码测试

在此之前，我们已经将Faster R-CNN的源码已经下载了，那么就根据作者提供的README.md来一步步的执行；

3.1 Preparation for Testing
  1. Run fetch_data/fetch_caffe_mex_windows_vs2013_cuda65.m to download a compiled Caffe mex (for Windows only).
  2. Run faster_rcnn_build.m
  3. Run startup.m

其中，

  • 第0步：表示下载作者提供的编译好的caffe，因为我们已经编译好了，这里不需要执行；

  • 第1步：执行faster_rcnn_build.m；

    如下图所示，会报错，没关系，因为我们使用的是CPU；

    faster_rcnn_14.png

  • 第2步：执行start_up.m，会出现下面错误；

    这是因为，我们没有将编译好的caffe放在./external/caffe/文件夹下；

    因此，根据错误提示，需要在./external/caffe/文件夹下新建一个空白名为matlab的文件夹；

    然后，再执行start_up.m，就不会报错了；

    Faster_R-CNN_CPU_3.png

3.2 Testing Demo
  1. Run fetch_data/fetch_faster_rcnn_final_model.m to download our trained models.
  2. Run experiments/script_faster_rcnn_demo.m to test a single demo image.

其中，

  • 第0步：下载作者提供的训练好的模型文件；

    其中下载链接好像需要FQ，如果有需要的话，可以从这里下载：下载地址，提取码：62n6；

    下载完成后，解压到./faster_rcnn/中，覆盖原来的./faster_rcnn/output/文件夹，以及多出了五张图片；

  • 第1步：执行脚本文件experiments/script_faster_rcnn_demo.m，测试；

    进行如下图所示修改：

    第一、二处指定使用CPU进行计算；

    第二处，由于VGG-16网络有些大，我的笔记本扛不住，因此使用ZF-Net网络；

    faster_rcnn_17.png

最后的结果，如下图所示：

faster_rcnn_19.png

faster_rcnn_18.png

3.3 Training

目前这个笔记本还做不了。。。

转载于:https://www.cnblogs.com/chenzhen0530/p/10933414.html

weixin_34015860
关注
web server----nginx 配置文件
weixin_45228198的博客
04-30 1216
文章目录进阶静态资源服务器组的配置反向代理负载均衡缓存集成架构模块 进阶 静态资源 服务器组的配置 反向代理 负载均衡 缓存集成 架构 nginx集群搭建 模块 ngx-lua 模块
Windows环境下Tensorflow-GPU环境配置
bfu_yang的博客
07-15 785
深度学习越来越火，Tensorflow是目前比较火的深度学习平台之一，Tensorflow-GPU环境的配置可以更加高效的运行深度学习的相关程序。本文主要介绍Windows环境下Tensorflow—GPU环境的配置
windows matlab cpu 测试faster rcnn
无尽的Bug
09-09 1137
编译Caffe 有几个地方需要注意。建议大家采用2016年7月之后的Microsoft Caffe版本，因为在此之后这个Caffe分支添加了roi_pooling_layer.cpp和roi_pooling_layer.cu，Fast R-CNN的ROIPooling层需要这个源文件编译。 具体可以参考http://blog.csdn.net/sunmelon/article/deta
Win10下Faster_RCNN的MATLAB配置（CPU）
weixin_39566131的博客
09-02 1455
Win10下Faster_RCNN的MATLAB配置（CPU） 花了一周的时间，走了很多的弯路，终于是搞出来了，所以想分享一下，仅供参考。 转载请附上原文出处链接和本声明本：本文链接 前言 刚开始没有分清GPU和CPU，所以傻福福的跑去下载CUDA10.1及其CUDNN，其实这是属于GPU配置所需，MATLAB属于CPU，根本不需要下载CUDA，蓝瘦。 正文 1. 环境配置 在下的配置是 WI...
Windows下faster_rcnn-master（CPU版）MATLAB语言微软caffe 配置
qq_39550159的博客
05-22 1742
最近再弄目标检测方面的东西，有很多不懂得地方，一切从零开始，在网上搜了很多教程。这方面的技术逐渐是模块化了，直接下载源程序运行即可，但关于MATLAB语言的教程却很少，有的也寥寥几笔带过，导致我安装的时候走了很多的弯路，运行出来第一个程序大约花了我三周的时间，由于配置不懂，希望本篇教程可以帮助那些小白开始对这个感兴趣。本人正在读大二，对这方面也不了解，目前只是跑出来了程序，看到了结果，但是对于原理...
Faster—RCNN配置matlab使用教程
00_00_07
09-27 1万+
1、电脑配置 本人电脑的配置，Windows10 64位+MATLAB 2013b +CUDA6.5 +VS 2013 这里给大家说个小BUG，MATLAB2013a是不支持gpuarray的，如果你是2013a的话，会一直报这句错误的。所以，不用怀疑，直接更换版本。 VS是用来给喜欢自己编译的同学的，不过代码中已经给出了编译好的caffe的代码，可以直接下载使用。 CUDA是用来加速计算的
菜鸟跑通doppia（四）
影 的专栏
03-16 733
首先，各位看官得感谢下我师妹王童鞋的贡献，这部分内容是她做的。 Step 3:中2：遇到问题： 1.     找不到cuda_runtime.h 可能原因： common_settings.cmake中没有添加cuda链接库路径。解决办法：   在common_settings.cmake中改动的地方已注释，change 16.3.92. 应该是boost版本高的问题。https://bit
widows系统盘制作-工具与介绍
最新发布
04-06
- 选择语言、版本和体系结构，然后选择USB驱动器。 - 按照提示完成创建过程。 4. **使用Rufus**： - 连接USB驱动器，打开Rufus，选择正确的设备。 - 在“来源”选项中，选择刚刚下载的ISO文件。 - 设置适当的...
Widows of Ratoath-开源
04-26
《Widows of Ratoath》是一款基于开源技术开发的角色扮演游戏（RPG），它利用了Allegro游戏库来构建其图形用户界面和游戏逻辑。Allegro是一个跨平台的库，专为游戏开发设计，提供了丰富的功能，包括图像、音频、输入...
windows下编译vlc-qt (最新)
03-05
windows下编译vlc-qt (最新)。 包内容:vlc-3.0.0-win64.7z、vlc-qt-1.1.1.tar.gz、上述编译后的库(debug、release) 具体可查看 https://blog.csdn.net/automoblie0/article/details/104664327
Faster R-CNN论文阅读笔记
weixin_39958313的博客
02-13 848
Faster R-CNN在Fast R-CNN基础上提出了RPN概念，解决了区域提议计算的瓶颈，使得速度更快，准确率保持优良水准。 介绍 区域提议方法通常依赖于易寻的特征和经济的推理方案。选择性搜索（SS）是最常用的方法，贪婪地合并基于工程底层功能的超像素，然而跟有效的检测网络相比，SS还是慢了不少。并且SS是在CPU上运行的，如果能把区域提议也使用GPU来计算，会更有效。 ...
faster r-cnn训练、测试、检测(含批量检测图片)
qq_35153620的博客
05-10 5104
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...
终于在我电脑上跑通ZK大神给的TLD代码了
weixin_34026484的博客
04-12 126
　　请先阅读我前一篇文章 　　在环境WIN7+VS2010+MATLAB2010b+OpenCV2.3.1，我一直没能跑起来，极度郁闷…… 　　今天在搜索matrix.hpp的时候，突然发现GitHub上面，居然有人碰到的问题跟我一样，之前遇到的error如下： 1 ??? Unexpected Standard exception from MEX file. 2 What() ...
faster-rnn中RPN网络的实现代码
opencv_fjc的博客
03-04 527
https://blog.csdn.net/qq_40994943/article/details/86500305
MATLAB2017a使用FasterRcnn目标检测训练及其测试流程
热门推荐
qq_42263796的博客
05-25 3万+
clear;clc;         image = imageDatastore(fullfile('D:\MATLAB\toolbox\vision\visiondata\people\tset_1\'),...'IncludeSubfolders',true,'LabelSource','foldernames');%get image load('D:\MATLAB\toolbox\vis...
windows下运行Faster R CNN算法（CPU、GPU）
weixin_43997271的博客
07-01 3577
windows上运行Faster R CNN算法（CPU、GPU） 需要使用faster r-cnn训练自己的数据集，能够配置运行作者给出的代码是首要的，苦于没有ubuntu环境，所以在github中找到了一篇能够在Windows上运行的源码。下面来记录一下相关步骤，也方便初学的同学避坑。我运行的环境是win7+python3.7 第一步 首先在github中下载源码，网址https://gith...
SparkR跑通的函数（持续更新中...）
wa2003的博客
07-06 2068
> a > head(a) > columns(a)      # 列出全部的列 [1] "city"                      "housingname"               "ori_traffic_score"         "ori_traffic_score_normal" [5] "metro_station"             "metro
py-faster-rcnn + cpu安装及训练自己的数据集
c20081052的专栏
04-20 2094
文章转自：https://blog.csdn.net/zhang_shuai12/article/details/52295438本文安装python版本的faster-rcnn项目。 matlab版本请移步：https://github.com/ShaoqingRen/faster_rcnn python版本项目主页：https://github.com/rbgirshick/py-fast...
rcnn ->fast rcnn->faster rcnn物体检测论文
weixin_30432579的博客
06-22 269
faster rcnn中的rpn网络： 特征可以看做一个尺度51*39的256通道图像，对于该图像的每一个位置，考虑9个可能的候选窗口：三种面积{1282,2562,5122}×三种比例{1:1,1:2,2:1}。这些候选窗口称为anchors。下图示出51*39个anchor中心，以及9种anchor示例。 讲解RPN网络比较好的博客:https://blog.csdn.net/sloan...
Cocos2d-x在Windows上配置VS2010的详细教程
"Cocos2d-x在Windows环境下与Visual Studio 2010的配置教程" Cocos2d-x是一款广泛应用于游戏开发的开源2D游戏引擎，支持多种平台，包括Windows。本教程将详细解释如何在Windows操作系统上配置Cocos2d-x，并使用...
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