FCN小小實戰

先說一下前期准備工作：自己的運行環境是Ubuntu16.04+caffe+CPU（這台電腦沒有GPU）+python

關於python的搭建就不說了，網上隨便一搜，很多參考資源。說一下我配置好caffe之后，編譯python接口時遇到的問題，以及我用到的解決辦法。

比較順利地配置好caffe只后，到了make pycaffe的時候，提示如下錯誤：

后來執行：~/caffe$ locate pyconfig.h

找到頭文件pyconfig.h

下面是一步至關重要的操作：~/caffe$export CPLUS_INCLUDE_PATH=/usr/include/python2.7

就是這一步，我的問題完美解決。看一下編譯成功的場景：

import caffe成功！

接下來就可以跑一下FCN了，由於本台電腦條件有限，直接使用大神已經跑好的模型進行測試，要這台電腦去跑此模型，有點費時。

ＯＫ，下面進入測試操作：

作者在github上開源了代碼:Fully Convolutional Networks，我們首先將代碼下載並且解壓到home目錄下。

下載voc-fcn32s,voc-fcn16s以及voc-fcn8s的caffemodel（根據提供好的caffemodel-url)，fcn-16s和fcn32s都是缺少deploy.prototxt的，需要根據train.prototxt稍加修改。 

后續步驟：

修改infer.py文件：

• caffe path的加入，由於FCN代碼和caffe代碼是獨立的文件夾，因此，須將caffe的Python接口加入到path中去。這里有兩種方案，一種是在所有代碼中出現import caffe 之前，加入：

  import sys
  sys.path.append('caffe根目錄/python')

• 另一種一勞永逸的方法是:在終端或者bashrc中將接口加入到PYTHONPATH中：  export PYTHONPATH=caffe根目錄/python:$PYTHONPATH

本次我們采用后者。

 在解壓代碼的根目錄下找到一個文件:infer.py。略微修改infer.py,就可以測試我們自己的圖片了，請大家根據自己實際情況來進行修改。

im = Image.open('voc-fcn8s/test.jpeg') 這里指的是測試圖片路徑！

net = caffe.Net('voc-fcn8s/deploy.prototxt', 'voc-fcn8s/fcn8s-heavy-pascal.caffemodel', caffe.TEST) ，這里指的是voc-fcn8s文件下的部署文件和模型。

注意，fcn下每一個模型其實都對應於一個文件夾，而每個文件夾下應當放着這個模型的caffemodel文件和prototxt文件！

plt.savefig('test.png')，這里指的是最終分割的結果應當放置在哪個路徑下，大家都知道，語義分割的結果應當是一張圖片！

修改完后的infer.py如下所示：

import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import caffe

# load image, switch to BGR, subtract mean, and make dims C x H x W for Caffe
im = Image.open('voc-fcn8s/test.jpeg')
in_ = np.array(im, dtype=np.float32)
in_ = in_[:,:,::-1]
in_ -= np.array((104.00698793,116.66876762,122.67891434))
in_ = in_.transpose((2,0,1))

# load net
net = caffe.Net('voc-fcn8s/deploy.prototxt', 'voc-fcn8s/fcn8s-heavy-pascal.caffemodel', caffe.TEST)
# shape for input (data blob is N x C x H x W), set data
net.blobs['data'].reshape(1, *in_.shape)
net.blobs['data'].data[...] = in_
# run net and take argmax for prediction
net.forward()
out = net.blobs['score'].data[0].argmax(axis=0) 

plt.imshow(out,cmap='gray');
plt.axis('off')
plt.savefig('test.png')
#plt.show()

然后終端運行：python infer.py

運行結束后會在軟件的根目錄下生成一個分割好的圖片test.png！