深度學習筆記之使用Faster-Rcnn進行目標檢測 （實踐篇）

 

 

 

 

實驗

　　我使用的代碼是Python版本的Faster Rcnn，官方也有Matlab版本的,鏈接如下:

py-faster-rcnn(python)

faster-rcnn(matlab)

 

 

環境配置

　　按照官方的README進行配置就好,不過在這之前大家還是看下硬件要求吧

• For training smaller networks (ZF, VGG_CNN_M_1024) a good GPU (e.g., Titan, K20, K40, …) with at least 3G of memory suffices

• For training Fast R-CNN with VGG16, you’ll need a K40 (~11G of memory)

• For training the end-to-end version of Faster R-CNN with VGG16, 3G of GPU memory is sufficient (using CUDNN)

 

 

我的是環境是Ubuntu 14.04 + Titan X(12GB) + cuda 7.0 + cudnn V3。

 

 

1 Caffe環境配置

　　Caffe環境需要python layer的支持,在你的Caffe的Makefile.config中去掉以下的注釋

• WITH_PYTHON_LAYER := 1
• USE_CUDNN := 1

 

2 安裝python庫依賴

cython,python-OpenCV和easydict

pip install cython
pip install python-opencv
pip install easydict

 

3 克隆py-faster-rcnn源代碼

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

 

4 編譯cython模塊

cd $FRCN_ROOT/lib
make 

 

 

5 編譯Caffe和pycaffe

cd $FRCN_ROOT/caffe-fast-rcnn
make -j8 && make pycaffe

-j8的選項是進行多核編譯，可以加速編譯過程，推薦使用

 

數據集

　　參考VOC2007的數據集格式，主要包括三個部分:

• JPEGImages

• Annotations

• ImageSets/Main

　　JPEGImages —> 存放你用來訓練的原始圖像

　　Annotations —> 存放原始圖像中的Object的坐標信息，XML格式

　　ImageSets/Main —> 指定用來train，trainval，val和test的圖片的編號

　　這部分非常重要，數據集做不好直接導致代碼出現異常，無法運行，或者出現奇怪的錯誤，我也是掉進了很多坑，爬上來之后才寫的這篇博客，希望大家不要趟我趟過的渾水！每一個部分我都會細說的！

 

 

 

 

JPEGImages

　　這個沒什么，直接把你的圖片放入就可以了，但是有三點注意:

• 編號要以6為數字命名，例如000034.jpg

• 圖片要是JPEG/JPG格式的，PNG之類的需要自己轉換下

• 圖片的長寬比(width/height)要在0.462-6.828之間，就是太過瘦長的圖片不要

　　

　　0.462-6.828是我自己實驗得出來的，就我的數據集而言是這個比例，總之長寬比太大或者太小的，你要注意將其剔除，否則可能會出現下面我實驗時候出的錯:

Traceback (most recent call last):
File “/usr/lib/python2.7/multiprocessing/process.py”, line 258, in _bootstrap
self.run()
File “/usr/lib/python2.7/multiprocessing/process.py”, line 114, in run
self._target(*self._args, **self._kwargs)
File “./tools/train_faster_rcnn_alt_opt.py”, line 130, in train_rpn
max_iters=max_iters)
File “/home/work-station/zx/py-faster-rcnn/tools/../lib/fast_rcnn/train.py”, line 160, in train_net
model_paths = sw.train_model(max_iters)
File “/home/work-station/zx/py-faster-rcnn/tools/../lib/fast_rcnn/train.py”, line 101, in train_model
self.solver.step(1)
File “/home/work-station/zx/py-faster-rcnn/tools/../lib/rpn/anchor_target_layer.py”, line 137, in forward
gt_argmax_overlaps = overlaps.argmax(axis=0)
ValueError: attempt to get argmax of an empty sequence

　　Google給出的原因是 Because the ratio of images width and heights is too small or large，這個非常重要。

 

 

 

Annotations

　　faster rcnn訓練需要圖像的bounding box信息作為監督(ground truth),所以你需要將你的所有可能的object使用框標注，並寫上坐標，最終是一個XML格式的文件，一個訓練圖片對應Annotations下的一個同名的XML文件

　　參考官方VOC的Annotations的格式:

<annotation>
    <folder>VOC2007</folder> #數據集文件夾
    <filename>000105.jpg</filename> #圖片的name
    <source> #注釋信息，無所謂有無
        <database>The VOC2007 Database</database>
        <annotation>PASCAL VOC2007</annotation>
        <image>flickr</image>
        <flickrid>321862192</flickrid>
    </source>
    <owner> #注釋信息，無所謂有無
        <flickrid>Eric T. Johnson</flickrid>
        <name>?</name>
    </owner>
    <size> #圖片大小
        <width>500</width>
        <height>333</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
    <object> #多少個框就有多少個object標簽
        <name>boat</name> #bounding box中的object的class name
        <pose>Frontal</pose>
        <truncated>1</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>22</xmin> #框的坐標
            <ymin>1</ymin>
            <xmax>320</xmax>
            <ymax>314</ymax>
        </bndbox>
    </object>
    <object>
        <name>person</name>
        <pose>Frontal</pose>
        <truncated>1</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>202</xmin>
            <ymin>71</ymin>
            <xmax>295</xmax>
            <ymax>215</ymax>
        </bndbox>
    </object>
    <object>
        <name>person</name>
        <pose>Frontal</pose>
        <truncated>1</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>170</xmin>
            <ymin>107</ymin>
            <xmax>239</xmax>
            <ymax>206</ymax>
        </bndbox>
    </object>
</annotation>

　　這里有一個非常好用的工具VOC框圖工具，可以自動幫你生成需要的XML格式，實際中發現格式基本無誤，只有小的地方需要改動下，大家對比下就知道怎么改了，我是在Linux下借助sed修改的，這個不難

 

Imagesets/Main

　　因為VOC的數據集可以做很多的CV任務，比如Object detection, Semantic segementation, Edge detection等，所以Imageset下有幾個子文件夾(Layout, Main, Segementation)，我們只要修改下Main下的文件就可以了(train.txt, trainval.txt, val.txt, test.txt)，里面寫上你想要進行任務的圖片的編號

　　將上述你的數據集放在py-faster-rcnn/data/VOCdevkit2007/VOC2007下面，替換原始VOC2007的JPEGIMages,Imagesets,Annotations

原始VOC2007下載地址: VOC20007數據集

 

 

 

 

代碼修改

　　工程目錄介紹

• caffe-fast-rcnn —> caffe框架

• data —> 存放數據，以及讀取文件的cache

• experiments —>存放配置文件以及運行的log文件,配置文件

• lib —> python接口

• models —> 三種模型, ZF(S)/VGG1024(M)/VGG16(L)

• output —> 輸出的model存放的位置，不訓練此文件夾沒有

• tools —> 訓練和測試的python文件

 

 

修改源文件

faster rcnn有兩種各種訓練方式:

• Alternative training(alt-opt)

• Approximate joint training(end-to-end)

 

 

　　推薦使用第二種，因為第二種使用的顯存更小，而且訓練會更快，同時准確率差不多，兩種方式需要修改的代碼是不一樣的，同時faster rcnn提供了三種訓練模型，小型的ZFmodel，中型的VGG_CNN_M_1024和大型的VGG16,論文中說VGG16效果比其他兩個好，但是同時占用更大的GPU顯存(~11GB)

　　我使用的是VGG model + alternative training，需要檢測的類別只有一類，加上背景所以總共是兩類(background + captcha)

　　py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage1_fast_rcnn_train.pt

layer {  
  name: 'data'  
  type: 'Python'  
  top: 'data'  
  top: 'rois'  
  top: 'labels'  
  top: 'bbox_targets'  
  top: 'bbox_inside_weights'  
  top: 'bbox_outside_weights'  
  python_param {  
    module: 'roi_data_layer.layer'  
    layer: 'RoIDataLayer'  
    param_str: "'num_classes': 2" #按訓練集類別改，該值為類別數+1  
  }  
}  

 

 

layer {  
  name: "cls_score"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "cls_score"  
  param { 
  lr_mult: 1.0
  }  
  param {
  lr_mult: 2.0 
  }  
  inner_product_param {  
    num_output: 2 #按訓練集類別改，該值為類別數+1  
    weight_filler {  
      type: "gaussian"  
      std: 0.01  
    }  
    bias_filler {  
      type: "constant"  
      value: 0  
    }  
  }  
}  

 

layer {  
  name: "bbox_pred"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "bbox_pred"  
  param { 
  lr_mult: 1.0 
  }  
  param { 
  lr_mult: 2.0 
  }  
  inner_product_param {  
    num_output: 8 #按訓練集類別改，該值為（類別數+1）*4，四個頂點坐標  
    weight_filler {  
      type: "gaussian"  
      std: 0.001  
    }  
    bias_filler {  
      type: "constant"  
      value: 0  
    }  
  }  
}  

 

 

 

　　py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage1_rpn_train.pt

layer {  
  name: 'input-data'  
  type: 'Python'  
  top: 'data'  
  top: 'im_info'  
  top: 'gt_boxes'  
  python_param {  
    module: 'roi_data_layer.layer'  
    layer: 'RoIDataLayer'  
    param_str: "'num_classes': 2" #按訓練集類別改，該值為類別數+1  
  }  
}  

 

 

 

　　py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage2_fast_rcnn_train.pt

layer {  
  name: 'data'  
  type: 'Python'  
  top: 'data'  
  top: 'rois'  
  top: 'labels'  
  top: 'bbox_targets'  
  top: 'bbox_inside_weights'  
  top: 'bbox_outside_weights'  
  python_param {  
    module: 'roi_data_layer.layer'  
    layer: 'RoIDataLayer'  
    param_str: "'num_classes': 2" #按訓練集類別改，該值為類別數+1  
  }  
}  

 

 

layer {  
  name: "cls_score"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "cls_score"  
  param { 
  lr_mult: 1.0 
  }  
  param { 
  lr_mult: 2.0 
  }  
  inner_product_param {  
    num_output: 2 #按訓練集類別改，該值為類別數+1  
    weight_filler {  
      type: "gaussian"  
      std: 0.01  
    }  
    bias_filler {  
      type: "constant"  
      value: 0  
    }  
  }  
}  

 

layer {  
  name: "bbox_pred"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "bbox_pred"  
  param { 
  lr_mult: 1.0
  }  
  param { 
  lr_mult: 2.0 
  }  
  inner_product_param {  
    num_output: 8 #按訓練集類別改，該值為（類別數+1）*4,四個頂點坐標  
    weight_filler {  
      type: "gaussian"  
      std: 0.001  
    }  
    bias_filler {  
      type: "constant"  
      value: 0  
    }  
  }  
}  

 

 

 

　　py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage2_rpn_train.pt

layer {  
  name: 'input-data'  
  type: 'Python'  
  top: 'data'  
  top: 'im_info'  
  top: 'gt_boxes'  
  python_param {  
    module: 'roi_data_layer.layer'  
    layer: 'RoIDataLayer'  
    param_str: "'num_classes': 2" #按訓練集類別改，該值為類別數+1  
  }  
}  

 

 

　　py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/faster_rcnn_test.pt

layer {  
  name: "cls_score"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "cls_score"  
  inner_product_param {  
    num_output: 2 #按訓練集類別改，該值為類別數+1  
  }  
}  

 

 

　　py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/faster_rcnn_test.pt

layer {  
  name: "cls_score"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "cls_score"  
  inner_product_param {  
    num_output: 2 #按訓練集類別改，該值為類別數+1  
  }  
}  

 

 

 

　　py-faster-rcnn/lib/datasets/pascal_voc.py

class pascal_voc(imdb):  
    def __init__(self, image_set, year, devkit_path=None):  
        imdb.__init__(self, 'voc_' + year + '_' + image_set)  
        self._year = year  
        self._image_set = image_set  
        self._devkit_path = self._get_default_path() if devkit_path is None \  
                            else devkit_path  
        self._data_path = os.path.join(self._devkit_path, 'VOC' + self._year)  
        self._classes = ('__background__', # always index 0  
                         captcha' # 有幾個類別此處就寫幾個，我是兩個
                      )  

　　line 212

cls = self._class_to_ind[obj.find('name').text.lower().strip()]  

 

　　如果你的標簽含有大寫字母，可能會出現KeyError的錯誤，所以建議全部使用小寫字母

　　py-faster-rcnn/lib/datasets/imdb.py

　　將append_flipped_images函數改為如下形式:

def append_flipped_images(self):  
        num_images = self.num_images  
        widths = [PIL.Image.open(self.image_path_at(i)).size[0]  
                  for i in xrange(num_images)]  
        for i in xrange(num_images):  
            boxes = self.roidb[i]['boxes'].copy()  
            oldx1 = boxes[:, 0].copy()  
            oldx2 = boxes[:, 2].copy()  
            boxes[:, 0] = widths[i] - oldx2 - 1  
            print boxes[:, 0]  
            boxes[:, 2] = widths[i] - oldx1 - 1  
            print boxes[:, 0]  
            assert (boxes[:, 2] >= boxes[:, 0]).all()  
            entry = {'boxes' : boxes,  
                     'gt_overlaps' : self.roidb[i]['gt_overlaps'],  
                     'gt_classes' : self.roidb[i]['gt_classes'],  
                     'flipped' : True}  
            self.roidb.append(entry)  
        self._image_index = self._image_index * 2  

　　到此代碼修改就搞定了

 

 

 

訓練

　　訓練前還需要注意幾個地方

1 cache問題

　　假如你之前訓練了官方的VOC2007的數據集或其他的數據集，是會產生cache的問題的，建議在重新訓練新的數據之前將其刪除

(1) py-faster-rcnn/output
(2) py-faster-rcnn/data/cache

 

 

2 訓練參數

　　py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage_fast_rcnn_solver*.pt

base_lr: 0.001
lr_policy: 'step'
step_size: 30000
display: 20
....

　　迭代次數在文件py-faster-rcnn/tools/train_faster_rcnn_alt_opt.py中進行修改

 

line 80

max_iters = [80000, 40000, 80000, 40000]

 

 

　　分別對應rpn第1階段，fast rcnn第1階段，rpn第2階段，fast rcnn第2階段的迭代次數，自己修改即可，不過注意這里的值不要小於上面的solver里面的step_size的大小，大家自己修改吧。

 

開始訓練:

cd py-faster-rcnn
./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG16 pascal_voc 

　　指明使用第一塊GPU(0),模型是VGG16,訓練數據是pascal_voc(voc2007)，沒問題的話應該可以迭代訓練了

 

 

 

結果

訓練完畢，得到我們的訓練模型，我們就可以使用它來進行我們的object detection了，具體是:
1 將py-faster-rcnn/output/faster_rcnn_alt_opt/voc_2007_trainval/VGG16_faster_rcnn_final.caffemodel，拷貝到py-faster-rcnn/data/faster_rcnn_models下

2 將你需要進行test的images放在py-faster-rcnn/data/demo下

3 修改py-faster-rcnn/tools/demo.py文件


CLASSES = ('_background_', 'captcha') #參考你自己的類別寫



NETS = {'vgg16': ('VGG16',
'VGG16_faster_rcnn_final.caffemodel'), #改成你訓練得到的model的name
'zf': ('ZF',
'ZF_faster_rcnn_final.caffemodel')
}

im_names = ['1559.jpg','1564.jpg']  # 改成自己的test image的name

 

 

 

 

上幾張我的檢測結果吧

 

 

 

 

 

參考

1 faster rcnn 做自己的數據集

2 faster rcnn 教程

3 使用ZF訓練自己的faster rcnn model

4 一些錯誤的解決方法