Yan_Joy的博客

真正博客: http://yanjoy.win/

Caffe-faster-rcnn demo测试

RCNN是目前detection中较新且准确度较高的方法,充分发挥了CNN分类的优势,但速度并不快,从而产生了fast rcnn和faster rcnn来解决这个问题。本文使用py-faster-rcnn对该方法做一初步测试。

rbgirshick/py-faster-rcnn


环境准备

软件环境

  • Caffe
  • Python

一般来说这些我们都已经有所接触,但仍有一些需要注意的地方:

  1. 要使用rbgirshick/py-faster-rcnn中的caffe编译一次,其caffe在rbgirshick/py-faster-rcnn/caffe-fast-rcnn @ 0dcd397中。因为这里面有一些专门为f-rcnn写的层,具体区别可以在caffe.proto中查看,如增加了ROIPoolingParameter、SmoothL1LossParameter等参数。
  2. 编译时一定要增加对Python层(Python layers)的支持
    具体需要打开Makefile.config,找到:

    
    # In your Makefile.config, make sure to have this line uncommented
    
    WITH_PYTHON_LAYER := 1

    将其改为1,否则运行时会出错,提示没有对应的layer。

硬件要求

小的网络用Titan, K20, K40这些就可以,显存3G以上。
大的可能需要K40,11G以上显存,当然这些往往个人无法搭建起来。


安装(DEMO)

  1. 编译Cython模块

    cd $FRCN_ROOT/lib
    make

    $FRCN_ROOT为你的FRCNN根目录,下同。

  2. 编译Caffe 和 pycaffe

    cd $FRCN_ROOT/caffe-fast-rcnn
    
    # Now follow the Caffe installation instructions here:
    
    
    #   http://caffe.berkeleyvision.org/installation.html
    
    
    # If you're experienced with Caffe and have all of the requirements installed
    
    
    # and your Makefile.config in place, then simply do:
    
    make -j8 && make pycaffe

    -j8是指8核编译,更快一些。

  3. 下载预计算的R-CNN检测器

    cd $FRCN_ROOT
    ./data/scripts/fetch_faster_rcnn_models.sh

    这个模型解压出来750M,下载的话大概695M,而且很慢。。
    为了方便大家,我把模型上传到了百度云,faster_rcnn_models, 密码:gbpo。

  4. 运行
    这一步就很简单了,

    cd $FRCN_ROOT
    ./tools/demo.py

    当然权限不足直接运行py也可以。这个运行是需要在图像界面下进行的,否则会报错。

阅读更多
版权声明:本文为博主原创文章,转载请标注出处。 https://blog.csdn.net/Yan_Joy/article/details/53140783
文章标签: python caffe
个人分类: caffe python
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

不良信息举报

Caffe-faster-rcnn demo测试

最多只允许输入30个字

加入CSDN,享受更精准的内容推荐,与500万程序员共同成长!
关闭
关闭