faster-rcnn安装及测试

最新推荐文章于 2020-05-10 23:59:34 发布

原创

最新推荐文章于 2020-05-10 23:59:34 发布 · 914 阅读

1 ·

CC 4.0 BY-SA版权

本文主要记录了在研究深度神经网络目标识别过程中，从YOLO转向Faster R-CNN的原因，以及在安装Faster R-CNN时遇到的问题和解决步骤。首先，由于YOLO的定位精度不足，作者尝试了Faster R-CNN。在安装Faster R-CNN时，参照了py-faster-rcnn的GitHub教程，详细描述了安装Python依赖和编译Cython的过程，提到了在安装过程中遇到的报错及其解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近正在研究基于深度神经网络的目标识别，目前主流的方法包括两大类：一类是rcnn、fast-rcnn、faster-rcnn等，另一类是yolo、yolo-v2、ssd等。研究过一段时间的yolo，因为yolo的定位精度较差，所以研究了yolo-v2和ssd，这两种方法都借鉴了faster-rcnn中的rpn网络，后来又跳到了faster-rcnn的坑中。因为ssd安装的时候安装过caffe，以及其他一些支持项，安装faster-rcnn时各种报错，总结了一下此次安装历程。

1、按照github上的py-faster-rcnn的安装流程，首先安装python 的依赖项

sudo pip install Cython
sudo pip install easydict

2、clone py-faster-rcnn的代码

git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

最好是clone，大神都说直接下载的可能缺少文件。

3、编译Cython

cd到faster-rcnn文件夹下的lib 文件：cd faster-rcnn/lib;

打开setup.py文件，修改第135行：'nvcc': ['-arch=sm_35',

我的电脑安装的是英伟达的TITAN X计算能力是6.1，这里修改为：'nvcc': ['-arch=sm_61',保存，执行 make
4、编译caffe
cd到caffe的目录caffe-fast-rcnn文件夹下：cd ../caffe-fast-rcnn;
复制Makefile.config.exampl