py-faster-rcnn + ZF 实现自己的数据训练与检测(一)
0.前言
最近兩個星期，一直在看faster rcnn物體檢測，在一段折騰之后，總算能夠訓練自己的數(shù)據(jù)并進行物體檢測了。這篇博客就當作是對最近整個實驗過程的記錄吧。首先先從最開始如何配置py-faster-rcnn并訓練PASCALVOC2007開始講起，然后再對代碼和數(shù)據(jù)集進行修改實現(xiàn)自己數(shù)據(jù)的訓練與檢測。我的實驗平臺是Ubuntu14.04 LTS?
1.配置py-faster-rcnn
（1）這里，首先不用說的，大家肯定都已經(jīng)在自己的機器上配好了caffe的環(huán)境，那各種依賴項的安裝就不必多說。在配置之前，需要安裝一下幾個Python包：cython，python-OpenCV和easydict
[python] view plaincopy（2）從github上clone項目文件，注意：一定要在clone時加入--recursive參數(shù)，不然會很麻煩，也不要直接下載
[python] view plaincopy（3）Cython模塊的編譯
[python] view plaincopy
（4）Caffe和Pycaffe的編譯，在編譯之前，主要將makefile.config文件配置好，具體如何配置在你自己安裝caffe框架時肯定已經(jīng)接觸過。這里也提供一個鏈接：實驗室歐大神的主頁Caffe + Ubuntu 15.04 + CUDA 7.5 新手安裝配置指南
[python] view plaincopy
（5）下載訓練好的模型，運行demo.py看效果
[python] view plaincopy
相信到了這一步，看到運行之后的結(jié)果是不是很開心呢，不過在我實驗過程中，執(zhí)行demo.py時總是出現(xiàn)bug：
[plain] view plaincopy
抓耳撓腮查了好久資料終于找到問題所在：顯卡的計算能力不匹配，如何修改請看這里cudaSuccess（ 8 vs.0 ）
2.訓練PASCAL VOC 2007的數(shù)據(jù)
（1）下載pascal voc2007的訓練集，測試集和VOCdevkit
[plain] view plaincopy下載完成之后，將三個壓縮包解壓合并到一起。整體結(jié)構(gòu)如下所示
$VOCdevkit/ # development kit $VOCdevkit/VOCcode/ # VOC utility code $VOCdevkit/VOC2007 # image sets, annotations, etc. # ... and several other directories ... 將VOCdevkit改名為VOCdevkit2007，然后放到data文件夾下，亦可以使用軟連接的方式，這里不再說明。
（2）下載預訓練好的ImageNet模型
cd py-faster-rcnn ./data/scripts/fetch_imagenet_models.sh
下載這個模型和之前的faster rcnn訓練好的模型時，不一定非要執(zhí)行腳本，直接在腳本中找到資源的URL用迅雷下載更快。然后解壓到data文件夾即可。
（3）使用交替優(yōu)化來訓練數(shù)據(jù)
cd py-faster-rcnn ./experiments/scripts/faster_rcnn_alt_opt.sh [GPU_ID] [NET] [--set ...] # GPU_ID is the GPU you want to train on # NET in {ZF, VGG_CNN_M_1024, VGG16} is the network arch to use # --set ... allows you to specify fast_rcnn.config options, e.g. # --set EXP_DIR seed_rng1701 RNG_SEED 1701 #例如命令./experiments/scripts/faster_rcnn_alt_opt.sh 0 ZF pascal_voc
默認的迭代次數(shù)是[80000, 40000, 80000, 40000]不過這對于我這種想看到實驗能否正常運行的人來說，實在要的等的太久，就在./tools/train_faster_rcnn_alt_opt.py中將迭代次數(shù)改為100吧
在程序運行到第一階段的第三部分“訓練fast r-cnn”時，很可能會報錯：out of memory ！根據(jù)我的經(jīng)驗所得，修改./lib/fast_rcnn/config.py 中的圖片大小，論文中作者使用的是將短邊縮放為600 pixels，對于我的渣渣電腦而言是吃不消的，所以修改如下：
# Scales to use during training (can list multiple scales) # Each scale is the pixel size of an image's shortest side __C.TRAIN.SCALES = (450, ) # Max pixel size of the longest side of a scaled input image __C.TRAIN.MAX_SIZE = 750
如果對作者論文中其他實驗也感興趣的話，可以嘗試一下experiments文件夾中的其他訓練腳本。最后，所有的輸出結(jié)果都在output文件夾
接下將如何在本篇博客的基礎(chǔ)上訓練自己的數(shù)據(jù)集并進行檢測
未完待續(xù)。。。
總結(jié)
以上是生活随笔為你收集整理的py-faster-rcnn + ZF 实现自己的数据训练与检测(一)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： caffe框架下目标检测——faster
- 下一篇： py-faster-rcnn + ZF