基于tensorflow框架下的cascade r-cnn的训练和测试

基于tensorflow框架下的cascade r-cnn的训练和测试

github代码：https://github.com/DetectionTeamUCAS/Cascade-RCNN_Tensorflow

环境：

python = 2.7

tensorflow-gpu = 1.3

cuda8

gpu:1080Ti

 

1.下载预训练模型
resnet101：http://download.tensorflow.org/models/resnet_v1_101_2016_08_28.tar.gz

resnet50：http://download.tensorflow.org/models/resnet_v1_50_2016_08_28.tar.gz

mobile：https://storage.googleapis.com/mobilenet_v2/checkpoints/mobilenet_v2_1.0_224.tgz

解压tar -xzf resnet_v1_101_2016_08_28.tar.gz

下载后解压，存入data/pretrained_weights/文件夹下面

2.编译cython
cd $PATH_ROOT/libs/box_utils/cython_utils
python setup.py build_ext --inplace

3.修改配置
如若训练VOC数据集不需要此步骤

若训练自己的数据集，需进行一下步骤：

修改/libs/configs/cfgs.py文件

第65行，CLASS_NUM设置为自己数据集中类别数目

注意：此类别数目是不算背景(background)的数量

第57行，MAX_ITERATION为迭代次数，可自行变动

第8行， NET_NAME 改变主干网络

第15行，GPU_GROUP = "0"改变gpu

注意：68行的BATCH_SIZE不能改变，只能为1

 

修改/libs/label_name_dict/label_dict.py文件

因为我自己的数据集按照VOC格式标注的，

因此修改第41行：

#添加类别名，第一个'back_ground':0不变，
#下面的改成自己数据集的类别名，序号按顺序即可
elif cfgs.DATASET_NAME == 'pascal':
    NAME_LABEL_MAP = {
        'back_ground': 0,
        'Human': 1,
        'occlusion': 2,
    }
 

修改data/io/convert_data_to_tfrecord.py文件

由于每个人生成xml文件时，xmin,ymin,xmax,ymax的写入顺序不同，此处不修改可能会引起数据集标签位置信息读取错误，

导致之后的产生标签对anchors偏移量时发生np.log() runtime超时问题

因此第55行开始，修改为

        if child_of_root.tag == 'object':
            label = None
            for child_item in child_of_root:
                if child_item.tag == 'name':
                    label = NAME_LABEL_MAP[child_item.text]
                if child_item.tag == 'bndbox':
                    tmp_box = [None]*5
                    for node in child_item:
                        #tmp_box.append(int(node.text))
                        if node.tag == "xmin":
                            tmp_box[0] = int(node.text)
                        if node.tag == "ymin":
                            tmp_box[1] = int(node.text)
                        if node.tag == "xmax":
                            tmp_box[2] = int(node.text)
                        if node.tag == "ymax":
                            tmp_box[3] = int(node.text)
                    assert label is not None, 'label is none, error'
                    #tmp_box.append(label)
                    tmp_box[4] = label
                    if tmp_box[2] -tmp_box[0] <= 0:
                        print(xml_path)
                    if tmp_box[3] -tmp_box[1] <= 0:
                        print(xml_path)
                    box_list.append(tmp_box)

4.生成数据集缓存文件
依次输入命令

cd /data/io/  
python convert_data_to_tfrecord.py --VOC_dir='/PATH/TO/VOCdevkit/VOCdevkit_train/'  --xml_dir='train' --image_dir='JPEGImages' --save_name='train'  --img_format='.jpg'  --dataset='pascal'

上述命令需要把--VOC_dir='设置为自己数据集的存储路径'，其余根据自己数据存储格式变化

--xml_dir是训练集xml标签文件存储的文件名，这点要注意，需要把训练集和测试集的标签分开存储

--image_dir是图片文件存储的文件名

注：提取测试集标签文件和测试图像的方法如下：

https://blog.csdn.net/qq_35153620/article/details/94739728

5.训练
进入tools文件夹下面，输入命令：

python train.py

6.测试
进入tools文件夹下面

python eval.py --eval_imgs='/PATH/TO/IMAGES/' --annotation_dir='/PATH/TO/TEST/ANNOTATION/' --GPU='0'

--eval_imgs是测试集图片存储位置

--annotation_dir是测试集标签存储位置

改变output/trained_weights/文件夹下的checkpoint文件中的信息，选择测试时使用第几次迭代保存的权重

注：提取测试集标签文件和测试图像的方法如下：

https://blog.csdn.net/qq_35153620/article/details/94739728