DenseCap源码实现

最新推荐文章于 2024-08-15 09:26:18 发布

yee_0217

最新推荐文章于 2024-08-15 09:26:18 发布

阅读量741

点赞数 1

CC 4.0 BY-SA版权

分类专栏： image caption 文章标签： DenseCap 程序复现 torch

本文链接：https://blog.youkuaiyun.com/yee_0217/article/details/88698828

image caption 专栏收录该内容

1 篇文章

订阅专栏

本文档详细介绍了如何在Ubuntu环境中安装Torch及其依赖库，包括CUDA和CUDNN（如果使用GPU），并从GitHub下载预训练的DenseCap模型。在下载完成后，将模型应用于一张图片进行测试，通过运行特定的Lua脚本来生成结果，并使用浏览器进行可视化展示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装Torch

在Ubuntu终端，输入：

git clone https://github.com/torch/distro.git ~/torch --recursive
cd ~/torch; bash install-deps;
./install.sh

接下来会提示是否把torch加入bashrc中，输入yes即可。上面没有装git的要预先装好git。

安装Torch 依赖库（必装）

luarocks install torch
luarocks install nn
luarocks install image
luarocks install lua-cjson
luarocks install https://raw.githubusercontent.com/qassemoquab/stnbhwd/master/stnbhwd-scm-1.rockspec
luarocks install https://raw.githubusercontent.com/jcjohnson/torch-rnn/master/torch-rnn-scm-1.rockspec

后面两条是rnn的。

CUDA和CUDNN（GPU选装）

luarocks install cutorch
luarocks install cunn
luarocks install cudnn

下载预训练网络

将在GitHub上面下载的文件中scripts文件夹中的文件download_pretrained_model.sh上传到服务器端，在终端打开：sh download_pretrained_model.sh。这个命令是用于下载预训练好的DenseCap网络的（模型有点大，大约1.2GB）。下载好的模型自动保存到data/models/densecap中，为.t7文件，如下图：

整个下载好的文件应该放在densecap-master目录下的,因为后面的run_model_lua是在该目录下。

用一张图片测试训练好的网络

选定要测试的图片，resize到720*480（其他尺寸的会报错，所以我用画图resize的），然后放在imgs目录下。

源码已经预先提供了一张elephant.jpg。

然后在densecap-master目录下打开终端，输入以下代码：

th run_model.lua -input_image imgs/elephant.jpg

该代码用于测试图像，测试结果保存到vis文件中，如下：

接着输入：

cd vis
python -m SimpleHTTPServer 8181

该代码用于在浏览器中可视化，最后打开浏览器 http://localhost:8181/view_results.html就可以看到测试结果啦~