Faster RCNN 爬坑記錄

訓練

在博客http://blog.csdn.net/Suii_v5/article/details/73776299中介紹了基本的錯誤類型。我只是做一些自己問題的補充

在error6中，調整numpy的版本，在ubuntu系統中，如果安裝了anaconda的話，其實會有兩個安裝python包的位置，其中一個為系統位置/usr/lib/python2.7/dist-packages, 另一個是anaconda的位置：/home/anaconda2/lib/python2.7/site-packages.

而已經將anaconda2的路徑設置進入了環境變量，所以使用單純pip install 並不能更改anaconda2中的numpy的版本，需要用anaconda2里面的pip進行更新.

anaconda2中pip的路徑位於：/home/anaconda2/bin， 輸入命令sudo cp pip /usr/bin/pip2.7.13(注意，這里復制的文件一定要取別的名字，不能是pip等一些已經存在的默認命令。）而后進行版本更新即可。

在這里，常見問題就不再一一列出，遇到問題百度就可以了，我舉例子說明幾個不常見的問題。

Problem1 .在訓練stage1 rpn時，出現'numpy.float64' object cannot be interpreted as an index 的提示錯誤，幾乎所有的博客中都指出，需要更換numpy 的版本，照做之后，出現ImportError: numpy.core.multiarray failed to import，這個問題又是numpy不匹配造成的，這樣就形成了惡性循環，所以，可以考慮從根源上解決'numpy.float64' object cannot be interpreted as an index

TypeError: 'numpy.float64' object cannot be interpreted as an index 

1) /home/xxx/py-faster-rcnn/lib/roi_data_layer/minibatch.py

將第26行：fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image)
改為：fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image).astype(np.int)

2) /home/xxx/py-faster-rcnn/lib/datasets/ds_utils.py

將第12行：hashes = np.round(boxes * scale).dot(v)
改為：hashes = np.round(boxes * scale).dot(v).astype(np.int)

3) /home/xxx/py-faster-rcnn/lib/fast_rcnn/test.py

將第129行： hashes = np.round(blobs['rois'] * cfg.DEDUP_BOXES).dot(v)
改為： hashes = np.round(blobs['rois'] * cfg.DEDUP_BOXES).dot(v).astype(np.int)

4) /home/xxx/py-faster-rcnn/lib/rpn/proposal_target_layer.py

將第60行：fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image)
改為：fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image).astype(np.int)

Problem 2 解決完上一個問題后，又出現 TypeError: slice indices must be integers or None or have an __index__ method的問題，如果沒有改變numpy的版本，
修改 /home/XXX/py-faster-rcnn/lib/rpn/proposal_target_layer.py，轉到123行：

for ind in inds:
        cls = clss[ind]
        start = 4 * cls
        end = start + 4
        bbox_targets[ind, start:end] = bbox_target_data[ind, 1:]
        bbox_inside_weights[ind, start:end] = cfg.TRAIN.BBOX_INSIDE_WEIGHTS
    return bbox_targets, bbox_inside_weights

這里的ind，start，end都是 numpy.int 類型，這種類型的數據不能作為索引，所以必須對其進行強制類型轉換，轉化結果如下：

for ind in inds:
        ind = int(ind)
        cls = clss[ind]
        start = int(4 * cos)
        end = int(start + 4)
        bbox_targets[ind, start:end] = bbox_target_data[ind, 1:]
        bbox_inside_weights[ind, start:end] = cfg.TRAIN.BBOX_INSIDE_WEIGHTS
    return bbox_targets, bbox_inside_weight


如果沒有問題，建議可以先把迭代次數放很小（例如將py-faster-rcnn/tools/train_faster_rcnn_alt_opt.py中的迭代次數改變為被注釋的max_iters = [100, 100, 100, 100]），先讓試着訓練一次。如果一切順利，那就可以直接放大的迭代次數就可以了，這樣會比較節省時間一點。

測試
按照如下步驟才做就可以了
1 確定模型測試對應網絡的prototxt文件
 例如：models/pascal_voc/VGG16/faster_rcnn_alt_opt/faster_rcnn_test.pt
 
 2 確定被測試模型文件
 例如：output/faster_rcnn_alt_opt/voc_2007_trainval/VGG16_faster_rcnn_final.caffemodel
 
 3 確定配置文件
 例如：experiments/cfgs/faster_rcnn_alt_opt.yml
 
 4 確定測試集
 例如：voc_2007_test

只要確定了這幾個問題，一般測試都不會有問題 

筆者不才，目前只做以下記錄，如果大家有其他發現的問題，求明示。

下面列出兩個討論更深層次的博客，在創新上可以借鑒
http://blog.csdn.net/z5337209/article/details/72838049
http://blog.csdn.net/qq_34335194/article/details/52778724