faster rcnn 学习 搭建

win10+python3.6+tensorflow-gpu+FasterRCNN环境搭建及运行 目录代码环境配置cudacudnnanacondapycharm导入代码下载数据下载训练好的vgg16运行train.py运行demo.py 代码 用的是这个代码: https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3 环境配置 cuda 首先要注意显卡驱动和cuda的版本要对应 我装的是10.0的版本 附上链接: https://de... 阅读详情

转载 https://blog.youkuaiyun.com/char_QwQ/article/details/80980505

一、克隆代码

git clone https://github.com/endernewton/tf-faster-rcnn.git

二、根据你的显卡更改下对应的架构。

在tf-faster-rcnn/lib/setup.py的第130行,Tesla K40m对应的是sm_35
三、编译Cython

仍然在lib路径下,编译Cython模块(确保你已经安装了easydict,如果没有,pip install easydict):

    make clean
    make
    cd ..

四、安装COCO API。

这点按照GitHub的步骤走就ok,没啥错误:

    cd data
    git clone https://github.com/pdollar/coco.git
    cd coco/PythonAPI
    make
    cd ../../..

五、下载数据:

    Download the training, validation, test data and VOCdevkit

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

    Extract all of these tars into one directory named VOCdevkit

        tar xvf VOCtrainval_06-Nov-2007.tar
        tar xvf VOCtest_06-Nov-2007.tar
        tar xvf VOCdevkit_08-Jun-2007.tar

    It should have this basic structure

        $VOCdevkit/                           # development kit
        $VOCdevkit/VOCcode/                   # VOC utility code
        $VOCdevkit/VOC2007                    # image sets, annotations, etc.
        # ... and several other directories ...

    Create symlinks for the PASCAL VOC dataset

        cd $FRCN_ROOT/data
        ln -s $VOCdevkit VOCdevkit2007

这里有点小问题,我的软连接似乎不起作用了,于是我直接把VOCdevkit文件夹拷贝到tf-fater-rcnn/data路径下,并重命名为VOCdevkit2007,记得删除那个VOCdevkit的软连接。
六、下载预训练模型

需要翻墙,如果翻不了墙就从网盘里下吧,我存网盘了。链接:预训练模型 密码:8ahl
七、建立预训练模型的软连接

在tf-faster-rcnn目录下建立output文件夹,并使用软连接来使用预训练模型,这里按照步骤走就行,没啥问题:

    NET=res101
    TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
    mkdir -p output/${NET}/${TRAIN_IMDB}
    cd output/${NET}/${TRAIN_IMDB}
    ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default
    cd ../../..

八、对一些图片进行测试。

仍然按步骤走:

    GPU_ID=0
    CUDA_VISIBLE_DEVICES=${GPU_ID} ./tools/demo.py

九、使用训练好的faster模型对数据进行测试。

这里有点地方需要改:首先把 tf-faster-rcnn/lib/datasets/voc_eval.py的第121行的

with open(cachefile,'w') as f

改成:

with open(cachefile,'wb') as f

同时还要把第105行的

  cachefile = os.path.join(cachedir, '%s_annots.pkl' % imagesetfile)

改成:

cachefile = os.path.join(cachedir, '%s_annots.pkl' % imagesetfile.split("/")[-1].split(".")[0])

然后再按步骤运行就ok了!

    GPU_ID=0
    ./experiments/scripts/test_faster_rcnn.sh $GPU_ID pascal_voc_0712 res101

测试结果:

十、训练模型

 

在data目录下创建一个imagenet_weights文件夹,解压权重数据并把解压后的vgg_16.ckpt重命名为vgg16.ckpt,因为后面在调用权重数据的时候名字需要对应的上。

开始训练(这里最后的vgg16就是对应的权重数据,名字要对的上,0是GPU的ID,pascal_voc是训练使用的数据集):

./experiments/scripts/train_faster_rcnn.sh 0 pascal_voc vgg16

为了节省时间并排除错误,我把迭代次数只设置了20次,把./experiments/scripts/train_faster_rcnn.sh里的第22行把ITERS=70000改成ITERS=20,同时记得把./experiments/scripts/test_faster_rcnn.sh的ITERS也改成20。

注意:因为我使用的是pascal_voc数据集,所以只需要更改对应数据集的ITERS的就行了,训练和测试的都要改,因为在train_faster_rcnn.sh的末尾会执行test_faster_rcnn.sh。

训练过程的loss:

训练结果:

可以看到,结果都很差,因为就迭代了20轮。
十一、替换自己的数据

在替换数据之前,先介绍一下标注工具,我用的labelImg对数据进行标注的,其界面如下:

具体怎么安装以及用法就不介绍了,GitHub上已经介绍的很详细了。然后介绍一下xml数据格式:

    <annotation>
        <folder>fire_data</folder>
        <filename>000001.jpg</filename>    #图像名称
        <path>/home/htu/yc/fire_data/000001.jpg</path>    #路径
        <source>
            <database>Unknown</database>
        </source>
        <size>
            <width>450</width>    #宽
            <height>253</height>    #高
            <depth>3</depth>    #RGB三通道
        </size>
        <segmented>0</segmented>
        <object>
            <name>fire</name>    #目标名称
            <pose>Unspecified</pose>    
            <truncated>0</truncated>
            <difficult>0</difficult>
            <bndbox>    #BBOX值
                <xmin>146</xmin>
                <ymin>22</ymin>
                <xmax>207</xmax>
                <ymax>60</ymax>
            </bndbox>
        </object>
    </annotation>

其中需要说明的是:图像名称一定要命名为000001.jpg,以及xml也要命名为000001.xml格式(事实上如果你对图像名称是六位数字组成的,xml也会自动生成六位数字)。我之前用的是1,2,3,4这样命名,结果运行总是会提示Keyerror:"1"。

一般出现keyerror的原因有两种,一是图像以及xml命名不符合要求,这就需要你重命名;二是标注的object信息有误,什么意思呢?拿我的数据来说,我是对火焰进行标注的,所以label是fire,如果因为操作失误导致fire变成如w或者其他字母,就会提示keyerror。为什么会是w呢?因为标注的快捷键是w,所以有时候会因为粗心把w写到label里。我就犯过这样的错误,这样的错误排除起来很麻烦,还需要再写一段代码,对xml的所有name节点的值进行访问,如果不是你的label,把对应的索引记录下来,手动再修改。

xml数据准备完毕后,需要划分训练验证以及测试集,这里我使用的别人写好的划分代码(读书人的事,怎么能叫偷呢?)Creat_FRCNN_DataSet,是matlab的,下载后更改下VOC2007xml.m中前四行的路径就能用了。执行结果会按比例对你的数据划分为训练集验证集以及测试集,同时会生成四个txt文档,分别是test.txt,train.txt,trainval.txt,val.txt。

训练验证测试集划分之后,就开始替换自己的数据了(讲了那么多废话终于到正点了,其实主要是怕自己以后忘记了,脑子不太好用了)。

首先,在tf-faster-rcnn/lib/datasets目录下的pascal_voc.py里第36行更改自己的类别,'__background__'切记不可删掉,把后面的原来的20个label换成自己的,不用更改类别数目,也没有地方可以更改。

然后把你的xml文件放置在tf-faster-rcnn/data/VOCdevkit2007/VOC2007/Annotations路径下,记得把原来的删掉;同时把你的jpg文件放在tf-faster-rcnn/data/VOCdevkit2007/VOC2007/JPEGImages路径下,xml和jpg替换完了,现在该txt了,把之前matlab生成是四个txt文档放在tf-faster-rcnn/data/VOCdevkit2007/VOC2007/ImageSets/Layout 和 tf-faster-rcnn/data/VOCdevkit2007/VOC2007/ImageSets/Main。

在开始训练之前,还需要把之前训练产生的模型以及cache删除掉,分别在tf-faster-rcnn/output/vgg16/voc_2007_trainval/default路径下和tf-faster-rcnn/data/cache路径下,然后就可以开始训练了:

./experiments/scripts/train_faster_rcnn.sh 0 pascal_voc vgg16

因为我只训练了20轮,而且因为写博客需要,数据总共就100个,所以效果很差,不过能跑通就行了。

 

目标检测入门系列手册四:Faster R-CNN 训练教程 Faster R-CNN Faster R-CNN[3] 作为目标检测的经典方法在现今很多实战项目和比赛中频频出现。其实,Faster R-CNN 就是在Fast R-CNN 的基础上构建一个小的网络,直接产生region proposal 来代替通过其他方法(如selective search)得到ROI。这个小型的网络被称为区域预测网络(Region Proposal Network,RPN... 阅读详情

相关推荐

搭建目标检测模型之Domain Adaptive Faster R-CNN for Object Detection in the Wild

搭建目标检测模型Domain-Adaptive-Faster-RCNN-PyTorch,涉及环境搭建、训练和测试的流程,对过程中出现的问题给出了解决办法。

moutain9426的博客 3786

python3+Tensorflow+Faster R-CNN训练自己的数据

之前实现过faster,但是因为各种原因,写的技术文档丢了,代码也没了,捶胸痛哭!所以写篇博客记录下。 有些地方用的方法比较粗糙,不过偏方治大病,能用就ok。 文章代码链接:tf-faster-rcnn 系统:Mint 18.2 显卡:Tesla K40m 内存:64G Python 3.6.5+TensorFlow-gpu 1.2+Cuda 8.0+Cudnn v5.1 一、克隆代...

北冥有杨其名为超的博客 3万+

深度学习基础篇【3】从0开始搭建faster—rcnn并进行评估、训练

深度学习基础篇【3】 从0开始搭建 faster—rcnn 并进行评估、训练 Faster R-CNN可以简单地看做“区域生成网络RPNs + Fast R-CNN”的系统,用区域生成网络代替FastR-CNN中的Selective Search方法。Faster R-CNN这篇论文着重解决了这个系统中的三个问题:1. 如何设计区域生成网络;2. 如何训练区域生成网络;3. 如何让区域生成网络和Fast RCNN网络共享特征提取网络。 《Faster R-CNN: Towards Real-Time

m0_60673947的博客 1140

Windows10下实现Faster R-cnn+Tensorflow+python且训练自己的数据集

文章目录背景小试牛刀--训练基础操作VOC_2007数据集下载模型惊心动魄--测试修改部分代码修改训练模型位置测试训练自己的数据集前言文件结构制作自己的数据集JPEGImages文件夹Annotations文件夹ImageSets文件夹其余两个文件夹不需要操作LabelImg标记大法插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants...

大雷哥 1万+

Windows +TensorFlow运行Faster-RCNN环境搭建

本人平时是远程访问实验室的GPU进行模型训练,但是最近想在编译器环境下进行代码优化,所以决定在本机windows环境下搭建Faster-RCNN的运行环境。 本文所选择的Windows环境下Faster-RCNN版本代码为 https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5 该版本需要Python 3.5支持,在这里建议大家使用A...

qq_29370449的博客 3158

浅谈RCNN、SPP-net、Fast-Rcnn、Faster-Rcnn

浅谈RCNN、SPP-net、Fast-Rcnn、Faster-Rcnn

做一枚优秀的程序猿,欢迎交流: sunpeng1996 at aliyun dot com 1万+

深度学习py-faster-rcnn/Qt5.8工作环境搭建教程

py-faster-rcnn/qt5.8深度学习工作环境搭建教程

Hawkin的博客 1224

基于Faster-RCNN的遮挡人脸检测实战:从源码解析到调参避坑

目标检测是计算机视觉的核心任务,Faster-RCNN作为两阶段检测器的经典代表,通过RPN生成候选框并结合ROI Pooling实现精准定位。在遮挡人脸场景下,模型需应对特征缺失与候选框重叠等挑战,合理调整anchor尺寸、NMS阈值及数据增强策略能显著提升召回率。该技术广泛应用于安防监控、口罩检测等实际工程。本文围绕一套完整Faster-RCNN源码,深入剖析遮挡人脸检测的训练流程、关键参数调优与常见报错排查,帮助读者快速复现并优化模型。

weixin_28746223的博客 288

Python搭建Caffe-Faster-RCNN字符识别服务器(一)环境准备之CentOS

CentOS搭建Caffe-Faster-RCNN服务器 环境

Ashe_1994的博客 265

(10)Proteus 8.9上的STM32仿真系列(HAL)---freertos

实验设计:通过cubemxide生成freertos工程,然后创建一个 pc13 led灯间隔200ms闪烁的任务。非常遗憾的是proteus8.9仿真失败,实物上没有问题,但还是把流程过一遍。 一、原理图 实物是淘宝上stm32f103 c8t6的核心板,proteus上没有这个芯片,这里图上大概表示一下,用的是核心板自带的pc13引脚的led灯。 二、cubemxide配置 1.RCC如之前工程一样配置 2、配置SYS timebase Source不要使用systick,自己选择一个定时器,我这

qq_35442550的博客 7346

Win10更新后黑屏只剩鼠标?火绒误杀explorer.exe的5种自救方案(附详细步骤)

本文详细介绍了Win10更新后出现黑屏只剩鼠标的5种专业修复方案,重点解决火绒误杀explorer.exe的问题。从基础的任务管理器操作到安全模式下的系统修复,再到注册表编辑和系统还原,提供了全面的解决方案,帮助用户快速恢复系统正常运行。

weixin_29306571的博客 645

py-faster-rcnn配置过程

#------------------ZR-------------------- # #--------!未经同意,不得转载!------- 1、安装caffe      参照https://blog.youkuaiyun.com/yhaolpz/article/details/71375762    (pycaffe notebook接口不用配) 2、下载py-faster-rcnn      #...

张家坎的博客 481

智慧楼宇解决方案-全套大合集

智慧楼宇解决方案,楼宇能耗-环境-设备统一管控解决方案。

byte58的博客 2592

win7下py-faster-rcnn-master下跑通demo.py

最近一直在看RCNN相关的内容,看完论文就要实现一下。我的caffe一直用的是windows平台,而很多官方文档都是在linux底下操作的,所以只能求助各种大神(Linux菜鸟一枚。。。)。优快云博客上大神特别多,他们写的很简单,我就掉进了很多坑,每次掉进去都感觉要爬不上来了。不过,功夫不负有心人,折腾了将近一周,终于跑通了demo。 在此,特别感谢rookie_cz,遇到

yueyuecsdn的博客 4337

YOLO详解

本文参考知乎 https://zhuanlan.zhihu.com/p/25236464 1. YOLO的创新点 YOLO将物体检测作为回归问题求解。基于一个单独的end-to-end网络,完成从原始图像的输入到物体位置和类别的输出。 从网络设计上,YOLO与two steps的目标检测方法如RCNN、Fast RCNN和Faster RCNN的区别如下: YOLO训练和检测均是在一个单独网...

UnknownPlayer的博客 9964

手把手完整实现STM32+ESP8266+机智云平台+手机APP应用——第一节-机智云平台搭建+所需硬件及接线说明+ESP8266烧录机智云固件

本节介绍如何在机智云平台创建自己的项目,介绍使用的硬件及接线说明,以及ESP8266烧录机智云固件过程。下一节进行机智云移植并编写STM32程序实现远程温湿度显示与控制灯照明,以及机智云APP配网。实现完整的物联网应用,STM32+ESP8266+机智云平台+手机APP应用。

嵌入式阿齐Archie 2万+

faster rcnn在windows下的环境配置

win10+anaconda+tensorflow+faster-rcnn前言anaconda安装anaconda配置虚拟环境安装cudacudnn安装cudn安装cudnn安装vs2015 前言 前几个月刚开学,导师要求跑通faster-rcnn,当时一脸懵逼什么也不懂,于是开启了为期一个月的环境配置之旅,个中心塞就不说了,趟过了很多坑,当时没想着记录下来现在换了个电脑要重新配置环境,就顺着写一...

qq_38582200的博客 2391

OSPF规划两大模型:双塔奇兵、犬牙交错

大家好,今天给大家带来的是OSPF规划两大模型:双塔奇兵、犬牙交错,让我们直接开始吧! OSPF规划之双塔奇兵 说明: OSPF 如果某个区域存在两个 ABR,并且在两个 ABR 上都对 area n 内的路由做了聚合操作。 最佳配置: 两台ABR之间的红线应该使用以太网的子接口技术,一个子接口属于area0,另一个属于 area n;或者该链路规划为 area n,同时配置虚连接; ABR 的 loopback0 规划入 area 0 OSPF 规划之犬牙交错 说明: 有时接入层的设备会以乱序的

网络技术联盟站 2427

从r-cnn到faster rcnn与tf-faster-rcnn代码详解

个人笔记 r-cnn介绍 spp介绍 fast r-cnn介绍 faster r-cnn介绍 目标检测评估指标P-R曲线 tf-faster-rcnn代码详解 https://github.com/zhaocc1106/tf-faster-rcnn Fork自endernewton/tf-faster-rcnn。 在原作者基础上转换成了Pycharm工程,Pycharm可以直接打开。 代码大部分地...

zcc450959507的博客 422

基于STM32的嵌入式平台实现EtherCAT主站

本文将介绍如何在基于STM32的嵌入式平台上构建EtherCAT主站,并提供相应的源代码。使用SOEM库提供的API函数,我们可以实现与EtherCAT从站设备的实时通信和数据交换。在STM32的代码中,使用SOEM库提供的API函数初始化EtherCAT主站。在SOEM库中,我们可以找到EtherCAT主站的实现代码和相关的API函数。使用SOEM库提供的API函数实现EtherCAT主站的功能,包括发送和接收EtherCAT数据帧、处理从站设备的状态等。确保连接正常并且设备能够相互通信。

CodeSageX的博客 2839

华为OD机试双机位C卷-几何平均值最大子数组(Py/Java/C/C++/Js/Go)

华为OD机试(机考)2026双机位C卷 【几何平均值最大子数组】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试真题【几何平均值最大子数组】。

qq_45776114的博客 1368

Linux-Faster-rcnn安装全过程

软件版本及硬件型号 0.1软件版本 Ubuntu14.04、CUDA8、CUDNN5.1 for CUDA8、opencv3.1、python版本faster-rcnn、GPU版本 0.2硬件型号 I7四代CPU、内存4G、固态硬盘250G、影驰GTX1070 第1章 ubuntu系统安装过程 1.1下载ubuntu14.04 下载地址: http://cdimage.ubuntu.com/netboot/14.04/?_ga=...

wangjie36的博客 894

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

faster-RCNN训练【环境配置→自建数据集→训练→改错】

前期工作:下载pycharm、anaconda、visual studio,下载faster-RCNN代码(我用的是B站。

m0_58845062的博客 5535

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

ubuntu14.04配置faster-rcnn【转载】

链接地址:ubuntu14.04配置faster-rcnn

君莫笑 168

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Faster RCNN详解

paper:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 前言 faster rcnn是何凯明等大神在2015年提出目标检测算法,该算法在2015年的ILSVRV和COCO竞赛中获得多项第一。该算法在fast rcnn基础上提出了RPN候选框生成算法,使得目标检测速度大大提高。 R CN...

小白的深度学习的博客 19万+

目标检测——从RCNN到Faster RCNN 串烧

本人小硕一枚,方向是深度学习的目标检测,故想把从RCNN到Faster RCNN整个线串一下,理清里面的整个设计流程和创新思路,也算是对大神的创新思维进行学习。我会不定期改善博客里面可能存在的小错误,希望大家多多谅解支持啦。另外,在论文中已经讲到的点,如果不是特别重要的话,我不会再复述的啦,所以说各位看官先研读研读论文先,然后再看看我对这些论文的理解。对了,涉及到哪层是几乘几以及那层到底是多少这种细

xyy19920105的博客 2万+
上一篇: jupyter-notbook 使用conda
下一篇: github使用
DevinDujun
博客等级 码龄11年 18粉丝 37原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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