MXNet的Faster R-CNN(基于区域提议网络的实时目标检测)《1》

最新推荐文章于 2023-07-01 11:17:43 发布

寅恪光潜

最新推荐文章于 2023-07-01 11:17:43 发布

阅读量891

点赞数

分类专栏：深度学习框架（MXNet）文章标签： vgg_voc07-0010 vgg-0010.params VOC2007 VOC2012 VGG模型

本文链接：https://blog.csdn.net/weixin_41896770/article/details/128431835

版权

深度学习框架（MXNet）专栏收录该内容

66 篇文章 9 订阅

订阅专栏

原论文：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
开源代码：https://github.com/ijkguo/mx-rcnn

Parallel Faster R-CNN implementation with MXNet，使用MXNet实现快速并行的区域提议的卷积神经网络，这里的框架就是用MXNet，如果没有安装这个框架的，具体安装可以查看：MXNet的安装以及一些常见错误处理
这节主要就是安装模型与测试看下这个模型的效果怎么样，以及安装过程遇到哪些问题。

克隆源码

我们先克隆一份源码到本地：

C:\Users\Tony>git clone https://github.com/ijkguo/mx-rcnn.git

当然如果网络不稳定，可能出现下面这样的错误：

fatal: unable to access 'https://github.com/ijkguo/mx-rcnn.git/': OpenSSL SSL_read: Connection was aborted, errno 10053

再试几次就好了，这个属于国内访问国外的站点，网络问题造成的。然后我们就在C:\Users\Tony目录克隆了一份mx-rcnn了。

VOC数据集

训练模型少不了数据集，这里我使用VOC的数据集，下载数据集地址：

http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

文件都是比较大，所以建议使用迅雷下载，下载好了之后解压。放入到data目录下面，我们来看下VOCdevkit\VOC2012里面都保存的是一些什么文件？
ImageSets\Segmentation ：训练与验证的txt文本文件，里面内容是图片名，类似下面：

2007_000032
2007_000039
...

JPEGImages ：样本的输入图片
如图：

SegmentationClass ：标签，跟样本一样的图片格式，而且尺寸和它所标注的输入图像的尺寸相同。标签中颜色相同的像素属于同一个语义类别。
如图：

Annotations ：标注，里面是xml文件，打开一个2007_000027.xml（人），可以看到里面有图片尺寸，人的姿势，坐标，头脚等的坐标属性。你可以打开其他的xml文件看看，是其他各种对象的名称和坐标信息等。对于Annotations标注文件，可以查阅：Python基础知识之读取XML文件熟悉对XML文件里面的对象节点的读取。

VGG16预训练模型参数

下载vgg_voc07-0010.params参数文件，dropbox需要登录，没有账号先注册账号即可：https://www.dropbox.com/s/gfxnf1qzzc0lzw2/vgg_voc07-0010.params?dl=0
当然如果不想注册或者可能需要科学上网的话，那就直接点击这里下载：vgg-voc07-0010.params然后来做个测试，看下这个模型效果如何，我这里使用的是网络随便下载的一张狗猫图片hi.jpg：

python demo.py --dataset voc --network vgg16 --params model/vgg_voc07-0010.params --image hi.jpg

执行之后的结果：

called with args
{'dataset': 'voc',
'gpu': '',
'image': 'myimage.jpg',
'img_long_side': 1000,
'img_pixel_means': (123.68, 116.779, 103.939),
'img_pixel_stds': (1.0, 1.0, 1.0),
'img_short_side': 600,
'net_fixed_params': ['conv1', 'conv2'],
'network': 'vgg16',
'params': 'model/vgg_voc07-0010.params',
'rcnn_batch_size': 1,
'rcnn_bbox_stds': (0.1, 0.1, 0.2, 0.2),
'rcnn_conf_thresh': 0.001,
'rcnn_feat_stride': 16,
'rcnn_nms_thresh': 0.3,
'rcnn_num_classes': 21,
'rcnn_pooled_size': (7, 7),
'rpn_anchor_ratios': (0.5, 1, 2),
'rpn_anchor_scales': (8, 16, 32),
'rpn_feat_stride': 16,
'rpn_min_size': 16,
'rpn_nms_thresh': 0.7,
'rpn_post_nms_topk': 300,
'rpn_pre_nms_topk': 6000,
'vis': False,
'vis_thresh': 0.7}
cat 0.9973692893981934 [15.126463492392649, 175.17550730853654, 171.60225596158054, 453.5603692509072]
dog 0.9986190795898438 [214.57471593545327, 0.0, 473.58240774725783, 473.91646690260296]

可以看到这个识别率很高，也正确识别出了cat和dog。

另外再下载一张图片里面包含飞机和人的图片hi.png：

(pygpu) C:\Users\Tony\mx-rcnn>python demo.py --dataset voc --network vgg16 --params model/vgg_voc07-0010.params --image hi.png
aeroplane 0.9932262301445007 [30.012542606770246, 94.47606422545638, 736.2043076034429, 490.1165506755796]
person 0.9973176121711731 [349.8960436870949, 360.76963968838686, 419.708646633156, 515.0064940880594]
person 0.8311970829963684 [463.2724951553385, 329.9512759694035, 746.2167398828122, 521.4361603167887]
person 0.7637878060340881 [331.2129511589329, 365.46689139662453, 367.05844125486556, 512.2362556924838]

也能准确的在图片中找出飞机和三个人，准确率也是很不错的

可视化效果

我们来可视化这两张图片，看下效果怎么样，增加一个vis参数

(pygpu) C:\Users\Tony\mx-rcnn>python demo.py --dataset voc --network vgg16 --params model/vgg_voc07-0010.params --image hi.jpg --vis
cat 0.9973692893981934 [15.126463492392649, 175.17550730853654, 171.60225596158054, 453.5603692509072]
dog 0.9986190795898438 [214.57471593545327, 0.0, 473.58240774725783, 473.91646690260296]

可以看到非常精准的锚框着对象，而且狗的识别率达到了99.9%