py-faster-rcnn + cpu安装及训练自己的数据集

文章转自：https://blog.csdn.net/zhang_shuai12/article/details/52295438

本文安装python版本的faster-rcnn项目。
matlab版本请移步：https://github.com/ShaoqingRen/faster_rcnn
python版本项目主页：https://github.com/rbgirshick/py-faster-rcnn

下面分两部分来讲解，第一部分为py-faster-rcnn及caffe框架安装。第二部分讲解如何修改相关文件，训练自己的数据集。

第一部分 安装

把项目代码clone下来, 注意是递归下载，里面包含项目自带的caffe，跟原版的caffe略有不同，一定要注意：

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

• 1

安装python包cython, 使用pip安装：

sudo pip install cython

• 1

编译cython

cd /py-faster-rcnn/lib
修改setup.py文件，注释掉GPU相关代码，如下：
#CUDA = locate_cuda()
#self.set_executable('compiler_so', CUDA['nvcc'])
# Extension('nms.gpu_nms',
        ['nms/nms_kernel.cu', 'nms/gpu_nms.pyx'],
        library_dirs=[CUDA['lib64']],
        libraries=['cudart'],
        language='c++',
        runtime_library_dirs=[CUDA['lib64']],
        # this syntax is specific to this build system
        # we're only going to use certain compiler args with nvcc and not with
        # gcc the implementation of this trick is in customize_compiler() below extra_compile_args={'gcc': ["-Wno-unused-function"],
        'nvcc': ['-arch=sm_35','--ptxas-options=-v','-c','--compiler-options',"'-fPIC'"]},
include_dirs = [numpy_include, CUDA['include']]
),

setup.py修改完成后，执行make

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

编译caffe（项目自带的caffe-fast-rcnn）
具体安装方法，详见我的另一篇博客，地址：http://blog.csdn.net/zhang_shuai12/article/details/52289825
注意执行完make， 别忘了make pycaffe

到这里， 我们就完成了所得的安装。

第二部分 训练自己的数据集

首先，我们先运行一下项目自身的demo
下载论文中提到的pascal voc 2007 数据集，pascal voc 2012数据集类似可下载：

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

• 1
• 2
• 3

下载完成后，解压缩：

tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

• 1
• 2
• 3

解压缩完成后，会形成如下的目录结构：

$VOCdevkit/
$VOCdevkit/VOCcode/
$VOCdevkit/VOC2007

• 1
• 2
• 3

我们对pascal voc2007 数据集做一个链接：

cd py-faster-rcnn/data
ln -s /path/to/VOCdevkit VOCdevkit2007

• 1
• 2

现在,在data目录下会出现VOCdevkit2007文件夹， 结构与VOCdevkit相同。

训练数据集, 论文提供几种训练方式， 具体参数可看代码做相应设置：

cd py-fatser-rcnn
./experiments/scripts/faster_rcnn_alt_opt.sh [NET] [--set ...]
or
./experiments/scripts/faster_rcnn_end2end.sh [NET] [--set ...]

• 1
• 2
• 3
• 4

或者我们也可以运行下面命令进行训练：

./tools/train_net.py --cpu --solver path/to/solver.prototxt --weights path/to/pretrain_model --imdb voc_2007_trainval --iters 100000 --cfgs experiments/cfgs/faster_rcnn_end2end.yml

• 1

测试可使用如下命令行：

./tools/test_net.py --cpu --def path/to/test.prototxt --net path/to/your/final.model --imdb voc_2007_test --cfgs experiments/cfgs/faster_rcnn_end2end.yml

• 1

论文作者已经预训练好几种模型， 我们下载即可：

cd py-faster-rcnn
./data/scripts/fetch_faster_rcnn_models.sh
./data/scripts/fetch_imagenet_models.sh
./data/scripts/fetch_selective_search_data.sh

• 1
• 2
• 3
• 4

下载完成后， 解压缩模型，然后运行：

./tools/demo.py

• 1

会看到图像识别结果。

ok， 下面我们试着修改文件，换成自己的数据集，进行训练和测试。替换过程中，我们依然保持文件夹名称不变，只置换里面的数据。

我们下载解压后的数据集存储在：

/data/VOCdevkit2007/VOC2007
VOC2007下有三个文件夹：
VOC2007/Annotations
VOC2007/ImageSets
VOC2007/JPEGImages

• 1
• 2
• 3
• 4
• 5

Annotations: 存储与图片对应的xml文件，每个xml文件包含object的bbox，name等
ImageSets: 存储切分好的数据集，包括train,val,test等文件；
JPEGImages: 存储所有的图片；

我们把自己的训练集替换掉原始的文件，放到相应的上述三个目录下即可。

另外， 在标注数据的过程中， 发现一个非常方便的标注软件labelImg, 在图片上画出框之后，会自动生成训练所需格式的xml文件。
github项目主页地址：https://github.com/tzutalin/labelImg
感兴趣的可以自行下载安装使用。

数据集替换问题解决了，接下来，我们一步步的修改文件：

cd /lib/datasets

• 1

首先，修改pascal_voc.py，
self.CLASS = (
‘background‘, #保留这个类别
。。。
)
改成你自己要识别的object 类别，比如我要识别people，只需把people类别加进去即可。

然后修改模型参数， 以训练faster_rcnn_end2end模型为例：

cd /models/pascal_voc/VGG16/faster_rcnn_end2end

• 1

包括三个prototxt文件，分别修改如下：
对于solver.prototxt, 模型参数初始化，一般不需要修改；
对于train.prototxt, 修改如下几个地方：
①num_classes : 设置为你的识别类别数， 比如说我只识别people这一类， 则为2（1 + 背景类）
②cls_score 层， inner_product_param参数， num_output :也设置为2（1 + 背景类）
③bbox_pred层， inner_product_param参数， num_output:设置为(1 + 背景类) ×4
对于test.prototxt文件， 修改如下：
①cls_score层， inner_product_param参数， num_output: 设置为2（1 + 背景类）

到这里，我们针对自己的数据集，要修改的都已经改完了。训练的命令行再上面已经给出，这里不在写出。接下来就是耐心的等待训练结果啦。

训练完成后， 可以运行demo.py 来查看识别结果。注意，别忘了修改 CLASS的类别。另外，demo.py每次识别一张图片，若包含多个不同的类别，识别结果不能显示在同一张图片上， 可略做修改即可。
例如可以把demo.py里的demo函数和vis_detections函数写成一个函数：

def vis_detections(im, net, image_name, thresh=0.5):
    """Draw detected bounding boxes."""

    scores, boxes = im_detect(net, im)

    print ('Detection took {:.3f}s for '
           '{:d} object proposals').format(timer.total_time, boxes.shape[0])

    NMS_THRESH = 0.3
    for cls_ind, cls in enumerate(CLASSES[1:]):
        cls_ind += 1 # because we skipped background
        cls_boxes = boxes[:, 4*cls_ind:4*(cls_ind + 1)]
        cls_scores = scores[:, cls_ind]
        dets = np.hstack((cls_boxes,
                          cls_scores[:, np.newaxis])).astype(np.float32)
        keep = nms(dets, NMS_THRESH)
        dets = dets[keep, :]

        inds = np.where(dets[:, -1] >= thresh)[0]
        # print inds
        if len(inds) > 0:
            for i in inds:
                bbox = dets[i, :4]
                score = dets[i, -1]

                cv2.rectangle(im, (bbox[0], bbox[1]),(bbox[2], bbox[3]),(0,255,0),3)
                font = cv2.FONT_HERSHEY_SIMPLEX
                cv2.putText(im, '{:s} {:.3f}'.format(cls, score), (bbox[0], bbox[1]), font, 0.5, (0,0,255),1)

    # detection result path
    cv2.imwrite(result_dir + '/' + image_name + '.jpg', im)

• 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

参考：
【1】https://github.com/rbgirshick/py-faster-rcnn
【2】Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks by Shaoqing Ren, Kaiming He, Ross Girshick, Jian Sun NIPS 2015
【3】https://github.com/tzutalin/labelImg
【4】http://caffe.berkeleyvision.org/installation.html#compilation