原理

上一篇文章，已經說過了，大家可以參考一下，Faster-Rcnn進行目標檢測(原理篇)

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

• 1
• 2
• 3

3 克隆py-faster-rcnn源代碼

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

• 1

4 編譯cython模塊

cd $FRCN_ROOT/lib make

• 1
• 2

5 編譯Caffe和pycaffe

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

• 1
• 2

-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，并寫上坐標，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>

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53
• 54
• 55
• 56

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，同時準確率差不多，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)

1 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 } }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

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 } } }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23

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 } } }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

2 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 } }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

3 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 } }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

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 } } }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23

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 } } }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23

4 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 } }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12

5 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 } }

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

6 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)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

line 212

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

• 1

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

7 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

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19

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 ....

• 1
• 2
• 3
• 4
• 5

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]

• 1

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于上面的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

• 1
• 2

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

• 1

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

總結

以上是生活随笔為你收集整理的使用Faster-Rcnn进行目标检测(实践篇)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。