学习faster-rcnn遇到的问题

1.参数scales问题

更改py-faster-rcnn/lib/rpn/generate_anchors.py中函数generate_anchors，其中参数scales出现的问题

 Check failed: outer_num_ * inner_num_ == bottom[1]->count() (21546 vs. 35910) Number of labels must match number of predictions; e.g., if softmax axis == 1 and prediction shape is (N, C, H, W), label count (number of labels) must be N*H*W, with integer values in {0, 1, ..., C-1}.

修改过程参考http://www.bubuko.com/infodetail-2306438.html

https://github.com/rbgirshick/py-faster-rcnn/issues/161

修改示例：

①修改generate_anchors.py，修改为scales=(2,4,8,16,32);

②修改anchor_target_layer.py，修改为anchor_scales = layer_params.get('scales', (2, 4, 8, 16, 32));

③修改proposal_layer.py，修改为anchor_scales = layer_params.get('scales', (2, 4, 8, 16, 32));

④修改faster_rcnn_alt_opt/faster_rcnn_end2end(用哪一个训练，修改哪一个即可)中，rpn_cls_score层的num_output改为30   # 2(bg/fg) * 15(anchors)，其中anchors数量为scales(5个)与ratios(3个)的数量相乘，rpn_bbox_pred层的num_output改为60  # 4 * 15(anchors)

⑤修改faster_rcnn_alt_opt/faster_rcnn_end2end(用哪一个训练，修改哪一个即可)中，rpn_cls_prob_reshape层的第2个dim，即shape { dim: 0 dim: 18 dim: -1 dim: 0 }中18改为：30   #2*15(anchors)

2.学习率base_lr的理解

参考https://stackoverflow.com/questions/30033096/what-is-lr-policy-in-caffe

示例：lr_policy: "step"：

3.深度学习网络可视化工具(caffe)

参考http://ethereon.github.io/netscope/#/editor

示例展示：

4.mAP下降

修改各类参数(base_lr,weight_decay,base_size,scales,……),训练结果中mAP一直不提升，反而下降，考虑数据集中是否存在错误

参考https://github.com/rbgirshick/py-faster-rcnn/issues/9，其中讨论到数据集Annotations中没有groundtruth，会影响到训练结果，因此，检查自己数据集，发现有xmax与ymax为0的情况，直接去掉这部分数据(删除py-faster-rcnn/data/VOCdevkit2007/VOC2007/ImageSets/Main中文件里面出现对应问题的序号)

效果比对(VGG16)：

①删除前：mAP=0.31;(最大迭代次数为80000,60000,80000,60000)

②删除后：mAP=0.3339;(最大迭代次数为80000,60000,80000,60000)

③删除后：mAP=0.3334;(最大迭代次数为200000,120000,200000,120000)

所以，数据集的正确性对于faster-rcnn训练过程起到了一定的作用，80000次的最大迭代次数已经满足了VGG16的训练迭代要求。

5.大图中小目标检测

参考网站与论文：

https://github.com/rbgirshick/py-faster-rcnn/issues/86

https://github.com/rbgirshick/py-faster-rcnn/issues/433

https://www.merl.com/publications/docs/TR2016-144.pdf

①修改config.py中的RPN_MIN_SIZE，对于小目标检测，改小一点就行（由于我的数据集中有特别小的对象，直接将16改为了8），用SqueezeNet(https://blog.csdn.net/u011956147/article/details/53714616)训练测试，mAP从0.2354提升至0.2552（这是在第4步的基础上）

6.训练过程中问题bbox_loss = nan的情况

报错：

RuntimeWarning: invalid value encountered in greater_equal
  keep = np.where((ws >= min_size) & (hs >= min_size))[0]

参考网站：https://github.com/chainer/chainercv/issues/326

①cpu模式下出现的问题，具体查看参考网站;

②主要是自己制作的数据集存在一定问题。比如，我的数据集中存在对象面积为0的情况，去掉对应xml文件即可正常运行

③VOC数据集从1开始计算像素，而自己的数据集很有可能存在从0开始标注对象(object)的情况，将x1 = float(bbox.find('xmin').text)  #原始多一个-1

y1 = float(bbox.find('ymin').text)  #原始多一个-1

x2 = float(bbox.find('xmax').text)   #原始多一个-1

y2 = float(bbox.find('ymax').text)  #原始多一个-1

（主要参考方式②）

这个只是一种处理方式，但最好自己调试，查看报错原因！！！

比如：我的数据集中的标注文件中xmin存在0的情况，这里-1之后，会出现65535的结果，所以也可以把65535统一改为0。

7.缓存文件

IndexError: list index out of range

py-faster-rcnn/data/cache/下的缓存文件未删除的原因，直接删除即可。

 

8.eval时出现问题

line 126, in voc_eval
    R = [obj for obj in recs[imagename] if obj['name'] == classname]

参考网站：https://www.cnblogs.com/xthrough/p/6386651.html

文件夹/py-faster-rcnn/data/VOCdevkit2007/annotations_cache/下面的文件没有被删除，直接删除即可。

 

9.faster-rcnn中RPN实现的三步骤

参考网站：https://www.quora.com/How-does-the-region-proposal-network-RPN-in-Faster-R-CNN-work

step1: the input image goes through a convolution network which will output a set of convlutional feature maps on the last convolutional layer.

{卷积特征提取层：input-data → conv1_1|relu1_1(channel:64,kernel:3,pad:1) → conv1_2|relu1_2(64,3,1) → pool1(kernel:2,stride:2) → conv2_1|relu2_1(128,3,1) → conv2_2|relu2_2(128,3,1) → pool2(2,2) → conv3_1|relu3_1(256,3,1) → conv3_2|relu3_2(256,3,1) → pool3(2,2) → conv4_1|relu4_1(512,3,1) →  conv4_2|relu4_2(512,3,1) → conv4_3|relu4_3(512,3,1) → pool4(2,2)→  conv5_1|relu5_1(512,3,1) →  conv5_2|relu5_2(512,3,1) → conv5_3|relu5_3(512,3,1)}

step2:Then a sliding window is run spatially on these feature maps.

{→ rpn_conv/3×3|rpn_relu/3×3(512,3,1)→→}

step3:classification (cls) and regression (reg)

10.各层作用

卷积层(前五层，包括relu，pool)--提取图片特征

全连接层--针对分类的特征提取

如：对于人脸性别识别来说，一个CNN模型前面的卷积层所学习到的特征就类似于学习人脸共性特征，然后全连接层所学习的特征就是针对性别分类的特征了。

参考网站：http://lib.csdn.net/article/deeplearning/43032

11.caffe版faster-rcnn多gpu配置

基本要求：ubuntu16.04已经安装好cuda、opencv3之类的，

                   若没有安装好，可先参照：https://www.cnblogs.com/go-better/p/7161006.html配置完成。

参考网站：https://github.com/bharatsingh430/py-R-FCN-multiGPU

配置步骤：

1）安装nccl，以我的电脑(ubuntu16.04，双Titan)为例具体步骤可参考：https://github.com/NVIDIA/nccl

下载nccl文件后，具体执行步骤如下：

cd nccl
sudo make CUDA_HOME=/usr/local/cuda-8.0/ test #我的cuda目录是/usr/local/cuda-8.0/
sudo make install
sudo ldconfig 

2）编译多gpu版faster-rcnn的caffe

①下载py-R-FCN-multiGPU代码库

②在py-R-FCN-multiGPU/caffe/目录下修改Makefile.config(没有就直接复制Makefile.config.example，并命名为Makefile.config)，修改以下几项：

step1：去掉注释----#WITH_PYTHON_LAYER := 1  #USE_NCCL := 1  #OPENCV_VERSION := 3 用到opencv3才去掉）

step2：将：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

改为：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial  

step3：去掉CUDA_ARCH中包含20的项

CUDA_ARCH := -gencode arch=compute_30,code=sm_30 \
		-gencode arch=compute_35,code=sm_35 \
		-gencode arch=compute_50,code=sm_50 \
		-gencode arch=compute_50,code=compute_50

③修改Makefile文件

将

NVCCFLAGS +=-ccbin=$(CXX) -Xcompiler-fPIC $(COMMON_FLAGS)

改为：

NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)

④编译caffe：make all -j8 && make pycaffe #(若是之前编译过，则make clean以下)

3）参考https://blog.csdn.net/sinat_30071459/article/details/51332084就可以直接跑了

运行过程中遇到的问题：

ImportError: No module named cython_bbox

解决方案参考：https://github.com/rbgirshick/fast-rcnn/issues/125

12.安装了cudnn5之后仍报错

ImportError: libcudnn.so.5: cannot open shared object file: No such file or directory

可能原因：环境配置没有更新，因此需要在终端执行一下：$sudo ldconfig 

13.修改anchor与scales之后的错误

参考网站:https://github.com/rbgirshick/py-faster-rcnn/issues/27

File "/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

 原因：我改scales添加了几个(16, 32, 64, 128, 256, 512)，改了之后就报这个错误，原因是图像中的width和height经过anchor机制之后，框太大或者太小。

解决方法：我是直接把scales改成了(4,8,16, 32, 64, 128)，即可正常使用。

至于修改scales和ratios，是为了训练学习到更多、更丰富的对象（大的，小的）。修改方法可参考网站：https://blog.csdn.net/cainiaohudi/article/details/80995799

14.多层特征（feature map）融合

想法1：直接改train_val.prototxt中网络的连接情况，但会涉及到各层的size，channel等不同，以融合第3,4,5层卷积层为例，则需要对第3层进行池化，对第5层进行反卷积（caffe中有反卷积层，可以直接用），再把三层的feature map融合（这个融合怎么处理？通过添加一个融合层-参考：https://blog.csdn.net/wanggao_1990/article/details/78863669）。

15.pip错误

Command "python setup.py egg_info" failed with error code 1 in /tmp/pip-install-gl9WXX/matplotlib/

这种错误一般是安装的包和python版本不兼容问题。如果环境下是python2，一般就需要安装python对应的包。即使用pip安装时带上版本号：pip install package==2.**

16. scale、anchor分析

设定：base_size=16，ratios=[0.5, 1, 2]，scales=(3,5,8)

得到的其中一组anchor结果：

base_anchor=[0, 0, 15, 15]

ratio_anchors=[[-3.5, 2, 18.5, 13],                       中心点(7.5, 7.5)      长×宽=22*11

                           [0,      0, 15,    15],                       中心点(7.5, 7.5)      长×宽=15*15

                           [2.5,  -3,  12.5,18]]                      中心点(7.5, 7.5)      长×宽=10*21

anchors=[[-26.5, -10. ,  41.5,  25. ],                    中心点(7.5, 7.5)      长×宽=68*35
                  [-49.5, -22. ,  64.5,  37. ],                    中心点(7.5, 7.5)      长×宽=114*60
                  [-84. , -40. ,  99. ,  55. ],                      中心点(7.5, 7.5)      长×宽=183*95
                  [-16. , -16. ,  31. ,  31. ],
                  [-32. , -32. ,  47. ,  47. ],
                  [-56. , -56. ,  71. ,  71. ],
                  [ -8.5, -25. ,  23.5,  40. ],
                  [-19.5, -47. ,  34.5,  62. ],
                  [-36. , -80. ,  51. ,  95. ]]

 

17.imdb存储错误

"……tools/../lib/datasets/imdb.py", line 130, in append_flipped_images
    assert (boxes[:, 2] >= boxes[:, 0]).all()
AssertionError

问题分析：这个错误一般是由于数据集中存在不合理的,标签值，当然，很大一部分原因是：为0，faster-rcnn代码中存储的值会把的值减1，所以0存储下来的就是65535。

可选解决方案：筛选并修改存储于imdb中的值，若大于图像宽度，则将值设定为0；若值大于图像宽度，将设定为，相当于当前错误标注不参与训练。

代码修改（imdb.py中加入如下代码）：

    @property
    def roidb(self):
        # A roidb is a list of dictionaries, each with the following keys:
        #   boxes
        #   gt_overlaps
        #   gt_classes
        #   flipped
        if self._roidb is not None:
            return self._roidb
        self._roidb = self.roidb_handler()

        ''' start(detect wrong annotations)'''
        num_images = self.num_images
        widths = self._get_widths()
        # the width of images
        for i in xrange(num_images):
            boxes = self._roidb[i]['boxes'].copy()
            oldx1 = boxes[:, 0].copy()
            oldx2 = boxes[:, 2].copy()
            oldx1 = np.array([oldx1[or_index] if oldx1[or_index]<=widths[i] else 0 for or_index in range(len(oldx1))],dtype=np.uint16)
            oldx2 = np.array([oldx2[or_index] if oldx2[or_index]<=widths[i] else oldx1[or_index] for or_index in range(len(oldx2))],dtype=np.uint16)
            self._roidb[i]['boxes'][:, 0] = oldx1
            self._roidb[i]['boxes'][:, 2] = oldx2
        ''' end(detect wrong annotations)'''
        # import pdb;pdb.set_trace()
        return self._roidb

18. 索引类型错误

TypeError: slice indices must be integers or None or have an __index__ method

错误原因分析：一个list、tuple的索引都必须是int类型，dict可以是字符串的索引，所以py-faster-rcnn代码中此类问题，多是由于索引type为float或者float32等；

可选解决方案：将对应位置的索引强行转换为int类型，有的索引可能需要转换为uint16、uint32等类型（用到numpy包时）

19.*.caffemodel卷积层分析

64个num_ouput，即64个卷积核，每个卷积核是3通道，3*3的卷积核大小。

卷积核64 = len(net.params['conv1_1'][0].data)

通道数3   = len(net.params['conv1_1'][0].data[0])

尺寸3*3   = len(net.params['conv1_1'][0].data[0][0]) * len(net.params['conv1_1'][0].data[0][0][0])

神经元个数1728 = net.params['conv1_1'][0].count = 64*3*3*3