faster-rcnn tensorflow windows demo测试

本文详细介绍如何使用Faster RCNN TensorFlow实现目标检测,包括源码下载、数据集准备、模型训练及测试步骤。解决常见错误,如网络模型未找到、pycocotools模块缺失等问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

重点参考链接:

1、https://blog.youkuaiyun.com/weiguanqun/article/details/78754898

2、https://blog.youkuaiyun.com/fuyang2191/article/details/80902324

 

第1步:将源码和需要用到的数据集先下载下来

源码地址:https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5

the training, validation, test data and VOCdevkit数据集:

http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

VGG16下载:http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz

百度云盘下载通道:https://pan.baidu.com/s/1MMKbJfj_G92P-J5ZCrsCrw

 

第2步:

1、将三个数据集下载解压到同一个文件夹下:Faster-RCNN-TensorFlow-Python3.5-master\data\VOCdevkit2007\

2、将VGG16解压到\data\imagenet_weights\文件夹下,并将vgg_16改成vgg16

第3步:运行train.py

 

 

第4步:运行demo.py

运行demo时如果出现如下错误:

OSError: output\vgg16\voc_2007_trainval+voc_2012_trainval\vgg16\vgg16.ckpt.meta not found.
Did you download the proper networks from our server and place them properly?

解决办法:

把demo.py Parse_args()函数的default改成vgg16;

再把Demo.py中最开始的NETS中的vgg16_faster_rcnn_iter_70000.ckpt改成vgg16.ckpt

之后在根目录下根据提示新建./output/vgg16/voc_2007_trainval+voc_2012_trainval/vgg16/文件夹,

把模型训练好以后生成的default文件夹下的这四个文件copy到刚刚新建的文件夹下

并改名如下:

最后测试结果:

另附一张本人自己项目中用该模型训练后细胞检测结果图:

可能出现的错误:

1、No module named 'pycocotools'

解决办法:

(1)下载源码:https://github.com/philferriere/cocoapi

(2)编译:cd coco/PythonAPI

# install pycocotools locally
python setup.py build_ext --inplace
 
# install pycocotools to the Python site-packages
python setup.py build_ext install
 

注意:如果电脑安装的VS2017,则可能会报错:LINK : fatal error LNK1158: 无法运行“rc.exe”

解决办法:

拷贝C:\Program Files (x86)\Windows Kits\8.1\bin\x86  中的文件

rc.exe

rcdll.dll

到目录D:\Program Files (x86)\Microsoft Visual Studio 11.0\VC\bin

 

评论 38
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

LoveWeeknd

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值