Faster R-CNN系列之MATLAB篇

我发现，我是个懒人。不对，我一直是个懒人。

但是！电光火石间！不知怎么地！我决定！我写个博客吧

=====================我是废话的分割线===================

最开始接触Faster R-CNN，先尝试跑的其实是PYTHON版，但是编译过程中出错了，我又从来没接触过python，自己稍稍处理了一下没成功，于是就放弃了，跑去跑MATLAB版了......看！再次证明我是有多懒！不过后来因为需要还是没躲过PYTHON，后续在别的博客中再详细说。

恩，首先是各种乱七八糟的Caffe之类的环境配置，因为之前都配好了这里就不说了，恩还有装MATLAB。

然后，就按https://github.com/ShaoqingRen/faster_rcnn这里的一步步来就好了。运行demo可以看到定位识别效果。

接下来重点说明一下怎么用自己的数据训练模型。

首先，要先把自己的数据做成VOC2007的格式。

1.标注图像。就是框图啦，把结果保存到TXT中，matlab代码如下：

[python] view plain copy

1. close all;  
2. clc  
3.   
4. label = 'XXX';  
5. folder_path ='pics/';  
6.   
7. img_path_list = dir(folder_path);  
8. img_name_tmp = {img_path_list.name};  
9. img_name_all = img_name_tmp(3:end);  
10.   
11. img_num = length(img_name_all);  % get file num  
12.   
13. if img_num > 0  
14.     for j=1:img_num  
15.         im_names{j} = [folder_path, img_name_all{j}];  
16.     end  
17. end  
18.   
19. %  
20. f = fopen('XXX_label.txt','a+t');  
21. for j = 1:length(im_names)  
22.     im = imread(im_names{j});  
23.     figure,imshow(im);  
24.    
25.     fprintf(f,'%s',img_name_tmp{j+2});  
26.       
27.     n=input('input the number of XXX:');     
28.     for i=1:n1   
29.         [I,RECT] = imcrop();  %RECT:[XMIN YMIN WIDTH HEIGHT]  
30.         fprintf(f, ' %s  %f  %f  %f  %f',label,RECT(1),RECT(2),RECT(1)+RECT(3),RECT(2)+RECT(4));     %[XMIN YMIN XMAX YMAX]  
31.     end  
32.       
33.     fprintf(f,'\n');  
34.     close;  
35. end  
36. fclose(f);  

生成的txt文件内容大概是酱紫的：

[python] view plain copy

1. 000001.jpg xxx  2.510000  4.510000  256.490000  252.490000  
2. 000002.jpg xxx  302.510000  23.510000  346.490000  215.490000  

2.生成XML，放到自己建的VOCxxx/Annotations中，matlab代码如下：

[python] view plain copy

1. path_image='/home/vision/jinglihua/data_lable/xxx/';  
2. path_label = 'xxx_label.txt';  
3. label = 'xxx ';  
4. files_all=dir(path_image);  
5.   
6. fo = fopen(path_label);  
7. msg = textread(path_label,'%s');  
8.   
9. h=1;  
10. for i = 3:length(files_all)        
11.       msg1 = fgetl(fo);      
12.       people = strfind(msg1,label);  
13.       label_num = length(people);  
14.       clear rec;  
15.       clear rec1;  
16.       path = ['./VOCxxx/Annotations/' msg{h}(1:end-4) '.xml'];  
17.       file=fopen(path,'w');  
18.       fprintf(file,'<annotation>\n');  
19.       rec.folder = 'VOCxxx';  
20.       rec.filename = msg{h}  
21.       h = h +1;  
22.       rec.source.database = 'The XXX Database';  
23.       rec.source.annotation = 'The XXX Database';  
24.       rec.source.image = 'jinglihua';  
25.       rec.source.flickrid = '20160504';  
26.   
27.       rec.owner.flickrid = 'I do not know';  
28.       rec.owner.name = 'I do not know';  
29.    
30.       img = imread(['/home/vision/jinglihua/data_lable/xxx/' files_all(i).name]);  
31.    
32.       rec.size.width = int2str(size(img,2));  
33.       rec.size.height = int2str(size(img,1));  
34.       rec.size.depth = int2str(size(img,3));  
35.    
36.       rec.segmented = '0';  
37.       writexml(file,rec,1);            
38.            
39.      for j = 1:label_num     
40.            rec1.object.name = msg{h};  
41.            h = h +1;  
42.            rec1.object.pose = 'Unspecified';  
43.            rec1.object.truncated = '0';  
44.            rec1.object.difficult = '0';        
45.            rec1.object.bndbox.xmin = msg{h};  
46.            h = h +1;  
47.            rec1.object.bndbox.ymin = msg{h};  
48.            h = h +1;  
49.            rec1.object.bndbox.xmax = msg{h};  
50.            h = h +1;  
51.            rec1.object.bndbox.ymax = msg{h};  
52.            h = h +1;  
53.            writexml(file,rec1,1);  
54.      end  
55.    fprintf(file,'</annotation>\n');     
56.    fclose(file);  
57. end  
58. fclose(fo);  

[python] view plain copy

1. %writexml.m  
2. function xml = writexml(fid,rec,depth)  
3. %WRITEXML Summary of this function goes here  
4. %   Detailed explanation goes here  
5.   
6.   
7. fn=fieldnames(rec);  
8. for i=1:length(fn)  
9.     f=rec.(fn{i});  
10.     if ~isempty(f)  
11.         if isstruct(f)  
12.             for j=1:length(f)              
13.                 fprintf(fid,'%s',repmat(char(9),1,depth));  
14.                 a=repmat(char(9),1,depth);  
15.                 fprintf(fid,'<%s>\n',fn{i});  
16.                 writexml(fid,rec.(fn{i})(j),depth+1);  
17.                 fprintf(fid,'%s',repmat(char(9),1,depth));                
18.                 fprintf(fid,'</%s>\n',fn{i});  
19.                 
20.             end  
21.         else  
22.             if ~iscell(f)  
23.                 f={f};  
24.             end         
25.             for j=1:length(f)  
26.                 fprintf(fid,'%s',repmat(char(9),1,depth));  
27.                 fprintf(fid,'<%s>',fn{i});  
28.                 if ischar(f{j})  
29.                     fprintf(fid,'%s',f{j});  
30.                 elseif isnumeric(f{j})&&numel(f{j})==1  
31.                     fprintf(fid,'%s',num2str(f{j}));  
32.                 else  
33.                     error('unsupported type');  
34.                 end  
35.                 fprintf(fid,'</%s>\n',fn{i});  
36.             end  
37.         end  
38.     end  
39. end  

3.生成训练集/验证集/测试集相关的4个txt文件，放到VOCxxx/ImageSets/Main中，matlab代码如下：

[python] view plain copy

1. %writetxt.m  
2. clear  
3. close all  
4. clc  
5.   
6. file = dir('/home/vision/jinglihua/data_lable/VOCxxx/Annotations');  
7. len = length(file)-2;  
8.   
9. num_trainval=sort(randperm(len, floor(9*len/10)));  
10. num_train=sort(num_trainval(randperm(length(num_trainval), floor(5*length(num_trainval)/6))));  
11. num_val=setdiff(num_trainval,num_train);  
12. num_test=setdiff(1:len,num_trainval);  
13. path = '/home/vision/jinglihua/data_lable/VOCxxx/ImageSets/Main/';  
14.   
15. fid=fopen(strcat(path, 'trainval.txt'),'a+');  
16. for i=1:length(num_trainval)  
17.     s = sprintf('%s',file(num_trainval(i)+2).name);  
18.     fprintf(fid,[s(1:length(s)-4) '\n']);  
19. end  
20. fclose(fid);  
21.   
22. fid=fopen(strcat(path, 'train.txt'),'a+');  
23. for i=1:length(num_train)  
24.     s = sprintf('%s',file(num_train(i)+2).name);  
25.     fprintf(fid,[s(1:length(s)-4) '\n']);  
26. end  
27. fclose(fid);  
28.   
29. fid=fopen(strcat(path, 'val.txt'),'a+');  
30. for i=1:length(num_val)  
31.     s = sprintf('%s',file(num_val(i)+2).name);  
32.     fprintf(fid,[s(1:length(s)-4) '\n']);  
33. end  
34. fclose(fid);  
35.   
36. fid=fopen(strcat(path, 'test.txt'),'a+');  
37. for i=1:length(num_test)  
38.     s = sprintf('%s',file(num_test(i)+2).name);  
39.     fprintf(fid,[s(1:length(s)-4) '\n']);  
40. end  
41. fclose(fid);  

4.把标注的图像源文件拷到VOCxxx/JPEGImages目录下。然后，当当当当！数据准备完成！VOCxxx目录下架构如下：

5.训练过程。训练前需要修改一些文件，具体的情况http://blog.csdn.net/sinat_30071459/article/details/50546891这篇博客中讲的很清楚啦，按着来就好~

恩，MATLAB版的暂时就先写这么多啦啦啦