【Faster R-CNN实现】基于pytorch-faster-rcnn的目标检测完整流程

参考链接：pytorch-faster-rcnn

---

第一步：安装Anaconda，参考【Ubuntu】安装Anaconda并搭建虚拟环境和迁移

第二步：下载pytorch及其他安装包（注意以下所有操作都将在虚拟环境pytorch下进行）

• 下载pytorch(CUDA版本)：https://pytorch.org/                                                                                                             

  conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
  
  # or use pip
  pip3 install torch torchvision

• 下载opencv-python, easydict及matplotlib,scipy：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python, easydict==1.6, matplotlib, tensorboardX, scipy==1.2, PyYAML

• 若第二步使用pip下载tensorboardX，略

第三步：安装pytorch-faster-rcnn及数据接口

　　注意：若不是在虚拟环境下，Python COCO API将不能使用

第四步：准备数据集并链接（下载PASCAL VOC 2007）

　　注意：在第４步中，完整命令应该是：

(pytorch) zzw@amax:/data1/zzw/Pytorch-test/pytorch-faster-rcnn/data$ ln -s /data1/zzw/Datasets/VOCdevkit VOCdevkit2007

　　以上显示是Datasets数据集的路径，及数据集链接成功后的结果

第五步：下载预训练模型并链接

• Google drive here.

　　比如下载res101模型并解压，将res101_faster_rcnn_iter_110000.pth放到下面的目录　　

　pytorch-faster-rcnn/data/voc_2007_trainval+voc_2012_trainval

　　接下来，在pytorch-faster-rcnn目录下，使用以下命令创建一个output及其子文件

NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default
cd ../../..

第六步：测试预训练模型