《Rich feature hierarchies for accurate object detection and semantic segmentation》是第一篇将深度CNN用于目标检测的文章,以后CNN应当会成为object detection领域的重要方法。在配置好caffe之后,先来跑一跑r-cnn的demo,之后会仔细研读这篇文章和做一些记录。
一.R-CNN源码下载
文章里面给出了下载链接http://www.cs.berkeley.edu/%CB%9Crbg/rcnn,但是现在这个网址已经不存在了。我是上csdn下了一个,放在百度网盘里面:
http://pan.baidu.com/s/1hqfcWp2
二.相关配置
rcnn主目录的readme里面是给出了详细的配置过程,但是作者是在linux环境下配置和运行rcnn的,而我的caffe以及matlab环境是windows,所以有以下地方还需要做一下变动。
1.Important: Make sure to compile the Caffe MATLAB wrapper, which is not built by default: make matcaffe
参见之前的博客,需要在windows下编译caffe的matlab接口并且得到caffe.mex文件
2.Important: Make sure to run cd $CAFFE_ROOT/data/ilsvrc12 && ./get_ilsvrc_aux.sh
to download the ImageNet image mean
需要下载ilsvrc12相关的一些数据,但是windows下是没法直接运行sh文件的。我是用ultraedit打开.sh文件,然后自己从相应网站下载资源。
wget –no-check-certificate https://www.dropbox.com/s/g5myor4y2scdv95/caffe_ilsvrc12.tar.gz
然而这个网址也登不进去,最后百度搜到berkele的深度学习相关的网站http://dl.caffe.berkeleyvision.org/,从这个网站上可以下载caffe_ilsvrc
3.如果遇到invaild mex文件这个问题
我是简单粗暴地直接把caffe.mex复制到rcnn的目录下,也可以在matlab的路径下增加caffe.mex的路径
4.download pre-computed R-CNN detectors
有两个训练好的模型可以下载,但是这两个模型文件都很大(1.5G),我用迅雷下载的速度也只有100kbps。同样的,放在网盘里面:
http://pan.baidu.com/s/1c0rwuju
三.运行
跟着readme.md完成上述配置之后,接下来就可以运行了。
》rcnn_demo(demo_choice, use_gpu)
这里的demo_choice可以选择’PASCAL’和’ILSVRC13’,这两种模式会使用不同的模型文件
use_gpu 选择0则是使用CPU模式
运行结果: