Faster R-CNN教程

Faster R-CNN教程

最后更新日期：2016年4月29日

本教程主要基于python版本的faster R-CNN，因為python layer的使用，這個版本會比matlab的版本速度慢10%，但是準確率應該是差不多的。

目前已經(jīng)實現(xiàn)的有兩種方式：

Alternative training

Approximate joint training

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，同時準確率差不多甚至略高一點。

Contents

配置環(huán)境

安裝步驟

Demo

建立自己的數(shù)據(jù)集

訓練和檢測

配置環(huán)境

1配置python layers

#In your Makefile.config, make sure to have this line uncommented WITH_PYTHON_LAYER := 1 # Unrelatedly, it's also recommended that you use CUDNN USE_CUDNN := 1

2安裝幾個依賴cython, python-opencv, easydict

sudo apt-get install python-opencv sudo pip install cython easydict

安裝步驟

1克隆工程

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

2編譯Cython模塊

cd $FRCN_ROOT/lib make

3編譯caffe和pycaffe

cd $FRCN_ROOT/caffe-fast-rcnn # Now follow the Caffe installation instructions here: # http://caffe.berkeleyvision.org/installation.html# If you're experienced with Caffe and have all of the requirements installed # and your Makefile.config in place, then simply do: make -j8 && make pycaffe

Demo

安裝步驟完成后，就可以運行一下demo了。

cd $FRCN_ROOT ./tools/demo.py

訓練自己的訓練集

工程目錄簡介

首先工程的根目錄簡單的稱為 FRCN_ROOT，可以看到根目錄下有以下幾個文件夾

• caffe-fast-rcnn

這里是caffe框架目錄

• data

用來存放pretrained模型，比如imagenet上的，以及讀取文件的cache緩存

• experiments

存放配置文件以及運行的log文件，另外這個目錄下有scripts可以用end2end或者alt_opt兩種方式訓練。

• lib

用來存放一些python接口文件，如其下的datasets主要負責數(shù)據(jù)庫讀取，config負責cnn一些訓練的配置選項。

• models

里面存放了三個模型文件，小型網(wǎng)絡的ZF，大型網(wǎng)絡VGG16，中型網(wǎng)絡VGG_CNN_M_1024。推薦使用VGG16，如果使用端到端的approximate joint training方法，開啟CuDNN，只需要3G的顯存即可。

• output

這里存放的是訓練完成后的輸出目錄，默認會在faster_rcnn_end2end文件夾下

• tools

里面存放的是訓練和測試的Python文件。

創(chuàng)建數(shù)據(jù)集

接下來我們就要創(chuàng)建自己的數(shù)據(jù)集了，這部分主要在lib目錄里操作。這里下面存在3個目錄：

• datasets

在這里修改讀寫數(shù)據(jù)的接口主要是datasets目錄下

• fast_rcnn

主要存放的是python的訓練和測試腳本，以及訓練的配置文件config.py

• nms

做非極大抑制的部分，有gpu和cpu兩種實現(xiàn)方式

• roi_data_layer

主要是一些ROI處理操作

• rpn

這就是RPN的核心代碼部分，有生成proposals和anchor的方法

• transform

• utils

1構建自己的IMDB子類

1.1文件概述
可有看到datasets目錄下主要有三個文件，分別是

• factory.py
• imdb.py
• pascal_voc.py

factory.py 是個工廠類，用類生成imdb類并且返回數(shù)據(jù)庫共網(wǎng)絡訓練和測試使用；imdb.py 這里是數(shù)據(jù)庫讀寫類的基類，分裝了許多db的操作，但是具體的一些文件讀寫需要繼承繼續(xù)讀寫；pascal_voc.py Ross在這里用pascal_voc.py這個類來操作。

1.2讀取文件函數(shù)分析
接下來我來介紹一下pasca_voc.py這個文件，我們主要是基于這個文件進行修改，里面有幾個重要的函數(shù)需要修改

• def?init(self, image_set, year, devkit_path=None)
  這個是初始化函數(shù)，它對應著的是pascal_voc的數(shù)據(jù)集訪問格式，其實我們將其接口修改的更簡單一點。
• def image_path_at(self, i)
  根據(jù)第i個圖像樣本返回其對應的path，其調用了image_path_from_index(self, index)作為其具體實現(xiàn)
• def image_path_from_index(self, index)
  實現(xiàn)了 image_path的具體功能
• def _load_image_set_index(self)
  加載了樣本的list文件
• def _get_default_path(self)
  獲得數(shù)據(jù)集地址
• def gt_roidb(self)
  讀取并返回ground_truth的db
• def selective_search_roidb
  讀取并返回ROI的db，這個是fast rcnn用的，faster版本的不用管這個函數(shù)。
• def _load_selective_search_roidb(self, gt_roidb)
  加載預選框的文件
• def selective_search_IJCV_roidb(self)
  在這里調用讀取Ground_truth和ROI db并將db合并
• def _load_selective_search_IJCV_roidb(self, gt_roidb)
  這里是專門讀取作者在IJCV上用的dataset
• def **_load_pascal_annotation**(self, index)
  這個函數(shù)是讀取gt的具體實現(xiàn)
• def _write_voc_results_file(self, all_boxes)
  voc的檢測結果寫入到文件
• def _do_matlab_eval(self, comp_id, output_dir='output')
  根據(jù)matlab的evluation接口來做結果的分析
• def evaluate_detections
  其調用了_do_matlab_eval
• def competition_mode
  設置competitoin_mode，加了一些噪點

1.3訓練數(shù)據(jù)格式

在我的檢測任務里，我主要是在SED數(shù)據(jù)集上做行人檢測，因此我這里只有background 和person 兩類物體，為了操作方便，我像pascal_voc數(shù)據(jù)集里面一樣每個圖像用一個xml來標注。如果大家不知道怎么生成xml文件，可以用這個工具?labelImg?

這里我要特別提醒一下大家，一定要注意坐標格式，一定要注意坐標格式，一定要注意坐標格式，重要的事情說三遍！！！要不然你會犯很多錯誤都會是因為坐標不一致引起的報錯。

1.4修改讀取接口
這里是原始的pascal_voc的init函數(shù)，在這里，由于我們自己的數(shù)據(jù)集往往比voc的數(shù)據(jù)集要更簡單的一些，在作者代碼里面用了很多的路徑拼接，我們不用去迎合他的格式，將這些操作簡單化即可，在這里我會一一列舉每個我修改過的函數(shù)。這里按照文件中的順序排列。

修改后的初始化函數(shù)：

class hs(imdb):def __init__(self, image_set, devkit_path=None): # modifiedimdb.__init__(self, image_set)self._image_set = image_setself._devkit_path = devkit_path #datasets路徑self._data_path = os.path.join(self._devkit_path,image_set) #圖片文件夾路徑self._classes = ('__background__', # always index 0'person') #two classesself._class_to_ind = dict(zip(self.classes, xrange(self.num_classes))) # form the dict{'__background__':'0','person':'1'}self._image_ext = '.jpg'self._image_index = self._load_image_set_index('ImageList.txt')# Default to roidb handlerself._roidb_handler = self.selective_search_roidbself._salt = str(uuid.uuid4())self._comp_id = 'comp4'# PASCAL specific config optionsself.config = {'cleanup' : True,'use_salt' : True,'use_diff' : False,'matlab_eval' : False,'rpn_file' : None,'min_size' : 16} #小于16個像素的框扔掉assert os.path.exists(self._devkit_path), \'VOCdevkit path does not exist: {}'.format(self._devkit_path)assert os.path.exists(self._data_path), \'Path does not exist: {}'.format(self._data_path)

修改后的image_path_from_index：

def image_path_from_index(self, index): #modified""" Construct an image path from the image's "index" identifier. """image_path = os.path.join(self._data_path,index +'.jpg')assert os.path.exists(image_path), \'Path does not exist: {}'.format(image_path)return image_path

修改后的_load_image_set_index：

def _load_image_set_index(self,imagelist): # modified""" Load the indexes listed in this dataset's image set file. """# Example path to image set file:# self._devkit_path + /VOCdevkit2007/VOC2007/ImageSets/Main/val.txtimage_set_file = os.path.join(self._devkit_path, imagelist)assert os.path.exists(image_set_file), \'Path does not exist: {}'.format(image_set_file)with open(image_set_file) as f:image_index = [x.strip() for x in f.readlines()]return image_index

gt_roidb(self):

這個函數(shù)里有個生成ground truth的文件，我需要特別說明一下，如果你再次訓練的時候修改了數(shù)據(jù)庫，比如添加或者刪除了一些樣本，但是你的數(shù)據(jù)庫名字函數(shù)原來那個，必須要在data/cache/目錄下把數(shù)據(jù)庫的緩存文件.pkl給刪除掉，否則其不會重新讀取相應的數(shù)據(jù)庫，而是直接從之前讀入然后緩存的pkl文件中讀取進來，這樣修改的數(shù)據(jù)庫并沒有進入網(wǎng)絡，而是加載了老版本的數(shù)據(jù)。

修改的_load_pascal_annotation(self, index):

def _load_pascal_annotation(self, index): #modified""" Load image and bounding boxes info from XML file in the PASCAL VOC format. """filename = os.path.join(self._devkit_path, 'Annotations', index + '.xml')tree = ET.parse(filename)objs = tree.findall('object')if not self.config['use_diff']:# Exclude the samples labeled as difficultnon_diff_objs = [obj for obj in objs if int(obj.find('difficult').text) == 0]# if len(non_diff_objs) != len(objs):# print 'Removed {} difficult objects'.format(# len(objs) - len(non_diff_objs))objs = non_diff_objsnum_objs = len(objs)boxes = np.zeros((num_objs, 4), dtype=np.uint16)gt_classes = np.zeros((num_objs), dtype=np.int32)overlaps = np.zeros((num_objs, self.num_classes), dtype=np.float32)# "Seg" area for pascal is just the box areaseg_areas = np.zeros((num_objs), dtype=np.float32)# Load object bounding boxes into a data frame.for ix, obj in enumerate(objs):bbox = obj.find('bndbox')# Make pixel indexes 0-basedx1 = float(bbox.find('xmin').text)y1 = float(bbox.find('ymin').text)x2 = float(bbox.find('xmax').text)y2 = float(bbox.find('ymax').text)cls = self._class_to_ind[obj.find('name').text.lower().strip()]boxes[ix, :] = [x1, y1, x2, y2]gt_classes[ix] = clsoverlaps[ix, cls] = 1.0seg_areas[ix] = (x2 - x1 + 1) * (y2 - y1 + 1)overlaps = scipy.sparse.csr_matrix(overlaps)return {'boxes' : boxes,'gt_classes': gt_classes,'gt_overlaps' : overlaps,'flipped' : False,'seg_areas' : seg_areas}

因為我和Pascal用了一樣的xml格式，所以這個函數(shù)我的改動不多。如果你想用txt文件保存ground truth，做出相應的修改即可。

坐標的順序強調一下，要左上右下，并且x1必須要小于x2，這個是基本，反了會在坐標水平變換的時候會出錯，坐標從0開始，如果已經(jīng)是0，則不需要再-1。如果怕出錯，可以直接把出界的的直接置0.

記得在最后的main下面也修改相應的路徑

from datasets.hs import hs d = hs('hs', '/home/zyy/workspace/wangml/py-faster-rcnn/lib/datasets/') res = d.roidb from IPython import embed; embed()

OK，在這里我們已經(jīng)完成了整個的讀取接口的改寫。

2修改factory.py
當網(wǎng)絡訓練時會調用factory里面的get方法獲得相應的imdb，
首先在文件頭import 把pascal_voc改成hs

# -------------------------------------------------------- # Fast R-CNN # Copyright (c) 2015 Microsoft # Licensed under The MIT License [see LICENSE for details] # Written by Ross Girshick # --------------------------------------------------------"""Factory method for easily getting imdbs by name."""__sets = {}from datasets.hs import hs import numpy as np# # Set up voc_<year>_<split> using selective search "fast" mode # for year in ['2007', '2012']: # for split in ['train', 'val', 'trainval', 'test']: # name = 'voc_{}_{}'.format(year, split) # __sets[name] = (lambda split=split, year=year: pascal_voc(split, year)) # # # Set up coco_2014_<split> # for year in ['2014']: # for split in ['train', 'val', 'minival', 'valminusminival']: # name = 'coco_{}_{}'.format(year, split) # __sets[name] = (lambda split=split, year=year: coco(split, year)) # # # Set up coco_2015_<split> # for year in ['2015']: # for split in ['test', 'test-dev']: # name = 'coco_{}_{}'.format(year, split) # __sets[name] = (lambda split=split, year=year: coco(split, year))name = 'hs' devkit = '/home/zyy/workspace/wangml/py-faster-rcnn/lib/datasets/' __sets['hs'] = (lambda name = name,devkit = devkit: hs(name,devkit))def get_imdb(name):"""Get an imdb (image database) by name."""if not __sets.has_key(name):raise KeyError('Unknown dataset: {}'.format(name))return __sets[name]()def list_imdbs():"""List all registered imdbs."""return __sets.keys()

訓練和檢測

1.預訓練模型介紹
首先在data目錄下，有兩個目錄

• faster_rcnn_models/

• imagenet_models/

faster_rcnn_model文件夾下面是作者用faster rcnn訓練好的三個網(wǎng)絡,分別對應著小、中、大型網(wǎng)絡，大家可以試用一下這幾個網(wǎng)絡，看一些檢測效果，他們訓練都迭代了80000次，數(shù)據(jù)集都是pascal_voc的數(shù)據(jù)集。

imagenet_model文件夾下面是在Imagenet上訓練好的通用模型，在這里用來初始化網(wǎng)絡的參數(shù).

在這里我比較推薦先用中型網(wǎng)絡訓練，中型網(wǎng)絡訓練和檢測的速度都比較快，效果也都比較理想，大型網(wǎng)絡的話訓練速度比較慢，中型網(wǎng)絡訓練大概半天，大型網(wǎng)絡的話用25個小時。

2.修改模型文件配置
模型文件在models下面對應的網(wǎng)絡文件夾下，在這里我用中型網(wǎng)絡的配置文件修改為例子
比如：我的檢測目標物是person ，那么我的類別就有兩個類別即 background 和 person
因此，首先打開網(wǎng)絡的模型文件夾，打開train.prototxt
修改的地方重要有三個
分別是個地方

首先在data層把num_classes 從原來的21類 20類+背景 ，改成 2類 人+背景

接在在cls_score層把num_output 從原來的21 改成 2

在bbox_pred層把num_output 從原來的84 改成8， 為檢測類別個數(shù)乘以4，比如這里是2類那就是2*4=8

OK，如果你要進一步修改網(wǎng)絡訓練中的學習速率，步長，gamma值，以及輸出模型的名字，需要在同目錄下的solver.prototxt中修改。

3.啟動Fast RCNN網(wǎng)絡訓練

python ./tools/train_net.py --gpu 1 --solver models/hs/faster_rcnn_end2end/solver.prototxt --weights data/imagenet_models/VGG_CNN_M_1024.v2.caffemodel --imdb hs --iters 80000 --cfg experiments/cfgs/faster_rcnn_end2end.yml

參數(shù)講解：

• 這里的–是兩個-，不要輸錯

• train_net.py是網(wǎng)絡的訓練文件，之后的參數(shù)都是附帶的輸入?yún)?shù)

• --gpu 代表機器上的GPU編號，如果是nvidia系列的tesla顯卡，可以在終端中輸入nvidia-smi來查看當前的顯卡負荷，選擇合適的顯卡

• --solver 代表模型的配置文件，train.prototxt的文件路徑已經(jīng)包含在這個文件之中

• --weights 代表初始化的權重文件，這里用的是Imagenet上預訓練好的模型，中型的網(wǎng)絡我們選擇用VGG_CNN_M_1024.v2.caffemodel

• --imdb 這里給出的訓練的數(shù)據(jù)庫名字需要在factory.py的_sets中，我在文件里面有_sets[‘hs’]，train_net.py這個文件會調用factory.py再生成hs這個類，來讀取數(shù)據(jù)

4.啟動Fast RCNN網(wǎng)絡檢測
可以參考tools下面的demo.py 文件，來做檢測，并且將檢測的坐標結果輸出到相應的txt文件中。

最后

鑒于之前我用的版本是15年11月的版本，有些小伙伴在使用此教程時會有一些錯誤，所以我重新做了部分修訂，目前能夠在2016年4月29日版本的版本上成功運行，如果有問題，隨時聯(lián)系我。

參考博客：http://www.cnblogs.com/louyihang-loves-baiyan/p/4885659.html

轉載于:https://www.cnblogs.com/huty/p/8517174.html

總結

以上是生活随笔為你收集整理的[计算机视觉][神经网络与深度学习]Faster R-CNN配置及其训练教程的全部內容，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(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。