HED图像边缘检测-程序运行的问题解决方法

论文全名:[2015](HED_FCN)Holistically-Nested Edge Detection.pdf

代码下载地址:https://github.com/s9xie/hed

附上一篇个人认为写的比较好的论文笔记:http://blog.csdn.net/u012905422/article/details/52782615

注意事项:

从github下载下来的程序,是自带caffe的,也就是说,程序采用的caffe并非最新的caffe官网的caffe

而是旧版的caffe,旧版的caffe文件就在hed-master目录下,

可以参考官方caffe目录下的文件配置,网络文件分别位于examples,distribute,python,tools,src,python.include,docs

hed的旧版caffe与官方的caffe类似,分别位于hed-master目录下的examples,distribute,python,tools,src,python,include,docs内

hed-master目录其实就是旧版caffe,hed的网络文件在examples目录下的hed目录内,仅此而已。

旧版caffe与新版caffe存在差别,在此声明,此处所说的新版caffe仍然是caffe1,不过这个旧版caffe,是在caffe1之前的版本,

包括ImageLabelmapData数据层(caffe1中已经删除该层),

并且,论文作者针对自己的程序对网络进行了改造,具体为crop为自动计算offset而不需指定,裁剪为中心裁剪

总之,在跑这篇论文的程序之前,一定要编译这个程序自带的caffe,而且,程序支持cudnn3,不支持cudnn4,

如果你是cudnn4,那么你可以卸载cudnn4安装cudnn3,或者在编译程序自带的caffe时候,在修改Makefile.config时候注释掉cudnn


详细步骤:

1.从github上下载程序

HED图像边缘检测-程序运行的问题解决方法_第1张图片

下载zip文件后,解压,把整个压缩包丢进你的服务器(我是在服务器上跑的)

2.编译程序自带的caffe

笔者针对新手仔细说下怎么编译,如果对编译caffe聊熟于心可以跳过这一步

编译caffe:

首先,cd进入到hed-master文件夹目录下

这时候执行以下几句代码

cp Makefile.config.example Makefile.config

vim Makefile.config(这句代码根据自己情况选择,如果需要修改相关设定,就使用这句,例如,你的cudnn是cudnn4,你不想换成cudnn3,那你只能在跑这个程序时候不使用cudnn,这时候就执行这句程序,注释掉cudnn)
make all
make test
make runtest
make pycaffe
以上,caffe编译结束

3.下载程序所需的model,数据集等

在下载程序的网址,也就是https://github.com/s9xie/hed里,在下面,页面下面,有所需要的model和数据集的下载地址

HED图像边缘检测-程序运行的问题解决方法_第2张图片

根据提示,把下载好的model,数据集丢到指定位置

4.cd到hed-master/examples/hed

执行solve.py

也就是 python solve.py就行了

如果提示

什么Imagedata或者shuffle 了 程序dump了 0个data啦就去你的examples/hed文件夹

打开

train_val.prototxt

HED图像边缘检测-程序运行的问题解决方法_第3张图片

可以看到两个root_folder,两个source

把这里修改成你自己的路径,也就是在第3步 下载的那个1.2G的数据文件在哪里 就把这俩路径换到那里

5.在执行solve.py时候,如果出现no module named caffe

等之类的问题 需要检查一下 solve.py中的caffe的路径

可以参照本人的程序

HED图像边缘检测-程序运行的问题解决方法_第4张图片

将sys.path.append('/home/wangkun/hed-master/python')

这里换成自己的路径 记得路径最后要指向下载的程序文件夹里的python文件夹

关于如何测试单张图片,可以见 http://blog.csdn.net/wangkun1340378/article/details/70154492

以上,就是在跑hed程序过程中遇到的问题 期间遇到很多困难,折腾了3天,

一度认为问题解决不了 不过最后还是解决了

感谢yhl_leo 光彩盛年 与人不争  踏雪霏鸿 梦 云中的承诺 诸位热心人士帮助




你可能感兴趣的:(深度学习,caffe,图像边缘检测,语义分割,dege-detection)