Faster R-CNN+Resnet實現訓練自己的數據集（CPU）--畢設筆記（1）

Faster R-CNN+Resnet實現訓練自己的數據集（CPU）（一）

使用的是XinLei Chen的faster rcnn的源代碼：https://github.com/endernewton/tf-faster-rcnn

建議出現問題時，仔細閱讀代碼中的readme文檔，能有意想不到的收獲

參考blog：https://blog.csdn.net/sinat_33486980/article/details/81045315

1、環境

　　虛擬機VMvare + Ubuntu18.04

　　無GPU加速

　　tensorflow1.14.0

　　python3.6.2

　　Cython0.25.2

　　opencv-python3.4.1.15

　　easydict1.6

　　在下載代碼前，請將環境配置好，避免在運行時出現不必要的錯誤！(建議用conda管理各種庫，conda list查看庫)

2、下載代碼

　　從https://github.com/endernewton/tf-faster-rcnn中直接下載

　　或者在你指定的目錄中打開終端，克隆代碼：

　　git clone https://github.com/endernewton/tf-faster-rcnn.git

　　建議認真閱讀README.txt文件

 

3、設置CPU參數並編譯

　　由於我的電腦沒有GPU，所以根據readme的提示：

　　1、打開lib/setup.py進行修改：

　　　　注釋掉圖中紅線部分

　　　　 　

 　　2、lib/model/nms_wrapper.py:

　　　　　

 

　　3、lib/model/config.py:

　　　將__C.USE_GPU_NUM 由 TRUE 改為False

　　　　

 　　修改完相關代碼后就可以進行連接Cython編譯了，進入lib目錄下，在終端中敲入一下命令:

　　python setup.py build_ext --inplace
　　make clean
　　make
　　cd .. 

　　若之前的代碼修改正確的話編譯應該不會出錯

 

4、安裝數據集API

　　在faste rcnn根目錄上打開終端，敲入命令：

　　cd data

　　git clone https://github.com/pdollar/coco.git

　　cd coco/PythonAPI

　　make

　　cd ../../..

 

5、下載與訓練模型，並運行demo.py，同時測試VOC2007數據集

 　　1、下載Resnet與訓練模型

　　　　在readme文件中有相應的下載地址，但國內下載大概率是不行的，感謝@村民的菜籃子的百度雲備份：https://pan.baidu.com/s/1kWkF3fT，下載后放入data文件中解壓即可。

　　 2、創建output文件：

　　　　在faster rcnn目錄下，創建以下文件夾output/res101/voc_2007_trainval+voc_2012_trainval/default。最后把從data解壓的模型放入到創建的文件中。

　　　　　　　

　　3、進行demo

　　　　有了預訓練模型了就可以對data/demo文件中的圖片進行小小的演示了。

　　　　demo中自帶了5張圖片：

　　　　

 

　　　　回到faster rcnn目錄中，打開終端輸入命令：

　　　　./tools/demo.py

　　　　運行結果如圖：