CVPR2014 Objectness 源码转换(完整版) VS2012 X64 –>win32

一、版本转换       

   1.将源码中vs2012 X64版本转换为vs2012 win32版本。

2.源码下载及其相关资料下载http://mmcheng.net/zh/bing/

3.需要下载源码（Paper部分）和VOC数据库（Download部分，800多M）

PS：VOC最好下载作者的，作者将里面的xml修改成适合OpenCV操作的yml文件，直接下载是没有的哟

4.以下所有设置都是在Release下进行的，Debug雷同。

5.OpenCV建议使用2.4.8版本以上，我这里采用是2.4.8

二、环境设定

源码是X64的，请自觉配置管理器,新建->添加  Win32

查看属性管理器，会发现增加了两项Win32目录，之前是没有的

三、在LibLinear工程中编译生成LibLinear.lib文件

具体如下：

1.右键LibLinear，选为启动项目

2. 在linear.cpp文件中，修改print_string_stdout函数为：

extern "C" static void print_string_stdout(const char *s)

3.打开LibLinear工程的Release属性页，通用属性->常规，修改:项目默认值->配置类型（静态库.lib）,常规->目标文件拓展名(.lib)

4.C/C++ ->代码生成 –>运行库->多线程（/MT）

PS:MT对应Release，MTD对应Debug

5.Ctrl+F5，会在当前工程下的Release文件加下生成LibLinear.lib

6.切换回来，将Objectness设为启动项目

7. LibLinear配置完了，接下来的配置都是针对Objectness的

8.打开Release属性，链接器->附加库目录，添加LibLinear.lib的目录，

eg. E:\VS 2012 workspace\BingObjectnessCVPR14\Objectness\Release

注意:链接库依赖项 要设为 是（yes） 

四、用_popcnt函数实现_popcnt64函数功能

需要自己动手在INT64类型基础上写函数。要加头文件#include<intrin.h>在stdafx.h中。

inline INT64 __popcnt64(INT64x)
{
       return __popcnt((unsignedint)(x )) +__popcnt((unsignedint)(x>> 32));
}

五、Objectness配置（简单粗暴）

1.打开Release属性页

2.配置OpenCV(百度一下)，注意在链接器->输入 这里要把opencv所有的lib 包含进去，不然会报下面这类错误：

  opencv_core248.lib(persistence.obj) : error LNK2019: 无法解析的外部符号 _gzputs

3.还要添加一些系统的lib，gdi.lib（一般会有）,comctl32.lib, 不然会报下面这类错误：

  opencv_highgui248.lib(window_w32.obj) : error LNK2019: 无法解析的外部符号 __imp__CreateToolbarEx@52

4.C/C++ ->预处理器 –>预处理器定义 添加： _LIB _CRT_SECURE_NO_WARNINGS

5. C/C++ ->代码生成 –>运行库 多线程(/MT) ;

不然会报下面这类错误：

  error LNK2038: 检测到“RuntimeLibrary”的不匹配项: 值“MT_StaticRelease”不匹配值“MD_DynamicRelease”

启用函数级链接->是（/GY）;

启用增强指令集->流式处理 SIMD 扩展 2 (/arch:SSE2);

  PS:先查一下自己的CPU支不支持SSE2,一般i3以上就可以，不然建议换台电脑

6.C/C++ ->语言->OpenMP支持->是 (/openmp)

配置完成啦，绝对简单粗暴！ 

六、代码中Mat无法解析问题

具体原因暂时无法知道，可能是opencv中Mat_对INT64(unsignedlong long)类型的支持问题，

可以用以下matchTemplate()函数替换FilterBing.cpp文件中的matchTemplate原函数。自己运行看看有没有问题，有问题再修改。

 

void FilterBING::matchTemplate(const Mat &mag1u, Mat &matchCost1f)
{
    const int H = mag1u.rows, W = mag1u.cols;
    const Size sz(W+1, H+1); // Expand original size to avoid dealing with boundary conditions
    Mat_<float> scores(sz);
    // @ 2013.3.22 by ly;
    const int sizeSZ = sz.width * sz.height;
    INT64 * Tig1 = (INT64 *)malloc(sizeSZ * sizeof(INT64));
    INT64 * Tig2 = (INT64 *)malloc(sizeSZ * sizeof(INT64));
    INT64 * Tig4 = (INT64 *)malloc(sizeSZ * sizeof(INT64));
    INT64 * Tig8 = (INT64 *)malloc(sizeSZ * sizeof(INT64));
    byte * Row1 = (byte *)malloc(sizeSZ * sizeof(byte));
    byte * Row2 = (byte *)malloc(sizeSZ * sizeof(byte));
    byte * Row4 = (byte *)malloc(sizeSZ * sizeof(byte));
    byte * Row8 = (byte *)malloc(sizeSZ * sizeof(byte));
    memset(Tig1, 0, sizeSZ * sizeof(INT64)); memset(Tig2, 0, sizeSZ * sizeof(INT64));
    memset(Tig4, 0, sizeSZ * sizeof(INT64)); memset(Tig8, 0, sizeSZ * sizeof(INT64));
    memset(Row1, 0, sizeSZ * sizeof(byte)); memset(Row2, 0, sizeSZ * sizeof(byte));
    memset(Row4, 0, sizeSZ * sizeof(byte)); memset(Row8, 0, sizeSZ * sizeof(byte));
    for (int y=1; y<= H; y++)
    {
        const byte * G = mag1u.ptr(y-1);
        INT64 * T1 = Tig1 + y*sz.width;
        INT64 * T2 = Tig2 + y*sz.width;
        INT64 * T4 = Tig4 + y*sz.width;
        INT64 * T8 = Tig8 + y*sz.width;
        INT64 * Tu1 = Tig1 + (y-1)*sz.width;
        INT64 * Tu2 = Tig2 + (y-1)*sz.width;
        INT64 * Tu4 = Tig4 + (y-1)*sz.width;
        INT64 * Tu8 = Tig8 + (y-1)*sz.width;
        byte * R1 = Row1 + y*sz.width;
        byte * R2 = Row2 + y*sz.width;
        byte * R4 = Row4 + y*sz.width;
        byte * R8 = Row8 + y*sz.width;
        float *s = scores.ptr<float>(y);
        for (int x=1; x<= W; x++)
        {
            byte g = G[x-1];
            R1[x] = (R1[x-1] << 1) | ((g >> 4) & 1);
            R2[x] = (R2[x-1] << 1) | ((g >> 5) & 1);
            R4[x] = (R4[x-1] << 1) | ((g >> 6) & 1);
            R8[x] = (R8[x-1] << 1) | ((g >> 7) & 1);
            T1[x] = (Tu1[x] << 8) | R1[x];
            T2[x] = (Tu2[x] << 8) | R2[x];
            T4[x] = (Tu4[x] << 8) | R4[x];
            T8[x] = (Tu8[x] << 8) | R8[x];
            s[x] = dot(T1[x], T2[x], T4[x], T8[x]);
        }
    }
    free(Tig1); free(Tig2); free(Tig4); free(Tig8);
    free(Row1); free(Row2); free(Row4); free(Row8);
    scores(Rect(8, 8, W-7, H-7)).copyTo(matchCost1f);
}

 

　　

 

七、Debugging information *.exe cannot be found or does not match（C++不能调试解决方法）

可以略过，感觉没什么用

打开属性页

1. C/C++ ->常规->调试信息格式->用于“编辑并继续”的程序数据库 (/ZI)
2. C/C++ ->优化->优化->已禁用 (/Od)
3. 链接器 ->调试->生成调试信息->是 (/DEBUG)

八．程序运行

终于可以运行程序了

1. 将已经下载好的VOC数据集解压，放在某个地方，eg：D:\VOC
2. 打开Main.cpp文件中的RunObjectness方法 DataSetVOC voc2007(“D:/VOC/”)；
3. Ctrl+F5,终于出现黑框框了，有木有很兴奋

 

   Ps:我的电脑比较老了，有时候还是会崩溃，重启一下，就OK了。囧

1. 把程序最后一行objNess.illuTestReults(boxesTests);注释去了，在VOC2007/Local/下能看到图片预测目标窗口的结果

 

效果还是不错的，精度还没怎么做分析，程序运行结束后，VOC2007/Results/下生成有个PerImgAll.m的文件，直接在Matlab中就能跑出结果

 

   上面的精度曲线称为DR-#WIN curves，源自TPAMI 2012的一篇论文：Measuring the objectness of image windows。原文还提出了将窗口数量比如[[0,5000]归一化到[0,1]之间，用曲线下的面积作为目标检测的度量结果，并称之为the area under the curve(AUC)，这样AUC的范围就在[0,1]之间了。