浅入浅出TensorFlow 8 - 行人分割

一. 环境准备

       本文介绍如何通过 Mask-RCNN 来实现行人检测，假设你已经对 SSD、YOLO、Faster RCNN 等框架有所了解。

1. 准备 TensorFlow 环境

     Tensorflow (>= 1.0.0)

     Numpy

2. Gtihub 代码

     代码下载：【Github】

3. 下载CoCo数据

     下载地址：http://mscoco.org/dataset/#download

      Web下载比较慢，可以从我的网盘下载：【百度网盘】

4. 下载 ReNet50

[cpp]  view plain  copy

1. wget http://download.tensorflow.org/models/resnet_v1_50_2016_08_28.tar.gz  

      解压得到  resnet_v1_50.ckpt

二. 代码编译运行

       代码编译可以参考 Github 说明，这里也给出如下流程：

1. make coco工具

[cpp]  view plain  copy

1. cd ./libs/datasets/pycocotools  
2. make   

2. 将下载的 COCO 数据放到 ./data 目录下，将数据转换成 tf 所需格式；

    按照说明文件：

        a）在 data下建一个 coco 文件夹，将指定的5个文件 copy到该目录；

        b）将zip文件解压缩；

        c）在根目录下建立 output/mask_rcnn 文件夹，用于存放 log；

        d）执行格式转换脚本（大概会花一小时）；

[cpp]  view plain  copy

1. python download_and_convert_data.py  

    可能会提示Python某些库错误，没关系，安装一下就好了，可以将pip源换成国内的，pip install  -i https://pypi.tuna.tsinghua.edu.cn/simple  pil

[cpp]  view plain  copy

1. sudo pip install pil   # or python -m pip install Pillow  
2. sudo pip install scikit-image  
3. sudo apt-get install python3-tk  

3. 提前训练好的 Resnet模型

    在data下新建 pretrained_models 目录，将 resnet_v1_50.ckpt 放到目录下。

4. Make编译    

[cpp]  view plain  copy

1. cd ./libs  
2. make  

5. 训练数据

[cpp]  view plain  copy

1. python ../train/train.py  

        
当你观察到Loss的时候，说明训练过程已经成功开始了，不要着急，等着Loss慢慢减少吧，原作者训练 8-GPU 花了32个小时。

三. 训练效果

       根据训练生成的 Log文件，存放在 output里面：

        

       设置 TensorBoard 的logdir，来看一下训练效果：  

        

       可以看到整个的 loss 的变化情况，还是很有成就感的，需要说明一下，在训练过程中可能 loss 会有震荡的情况，没有关系，等到逐渐下降就好了。

       看一下生成的 Graphs：

    

四. Demo 运行

       Github 上未给出 Demo 运行方法，需要我们自己找脚本来实现。

       可以参考上一篇  demo.py 自己来写，这里作者就不给出具体 code 了，请自行发挥。