FGFA训练自己的数据集docker

github：https://github.com/msracver/Flow-Guided-Feature-Aggregation

papers：https://arxiv.org/pdf/1703.10025.pdf

【注意】Flow-Guided-Feature-Aggregation与另一篇文章Deep Feature Flow非常相似，可参考其环境配置。

DFF-github：https://github.com/msracver/Deep-Feature-Flow

1.环境配置

1.1 创建mxnet环境

MXNet安装-docker_qq_44716044的博客-CSDN博客

1.2 安装其他需要的工具

#作者声明需要的包
pip install Cython
pip install opencv-python==3.2.0.6
pip install easydict==1.6

1.3 demo测试

python ./fgfa_rfcn/demo.py

 【报错】

mxnet.base.NotImplementedForSymbol: Function iadd (namely operator "+=") 

找到发生报错的代码片段，将

aggregated_conv_feat += tiled_weight * warp_list[i]

改为下述

aggregated_conv_feat = aggregated_conv_feat + tiled_weight * warp_list[i]

2.制作ImageNetVID数据集

可参考MEGA中作者的CUSTOMIZE.md将自己的数据集制作成标准格式。【待补充】

3.模型训练

3.1 参数修改

（1）修改experiments/fgfa_rfcn/cfgs/resnet_v1_101_flownet_imagenet_vid_rfcn_end2end_ohem.yaml中类别数和训练数据集名称

dataset:
  NUM_CLASSES: 2#注意应该是自己的类别数+背景
  image_set: VID_train_15frames

（2）修改lib/dataset/imagenet_vid.py中类别名称，删去多余类别

self.classes=['__background__',#alwaysindex0
'car']
self.classes_map=['__background__',#alwaysindex0
'n02958343']

3.2 训练

python experiments/fgfa_rfcn/fgfa_rfcn_end2end_train_test.py --cfg experiments/fgfa_rfcn/cfgs/resnet_v1_101_flownet_imagenet_vid_rfcn_end2end_ohem.yaml

3.3 报错

（1）错误1

mxnet.base.MXNetError: [15:13:33]fail to open fgfa_rfcn_vid-0002.params

报错信息太长只截取了一段，需要修改experiments/fgfa_rfcn/fgfa_rfcn_end2end_train_test中的main函数，去掉第一行注释符号

if __name__ == "__main__":
    train_end2end.main()
    test.main()

（2）错误2 

TypeError: init_params() got an unexpected keyword argument ‘allow_extra’

 解决：进入mnxet/module/找到base_module.py文件中 allow_extra=allow_extra这一行删除掉。

（3）错误3

TypeError: _update_params_on_kvstore() takes exactly 4 arguments (3 given)

 解决办法：进入对应的module.py文件，相应修改（在服务器中vim显示不全，可通过下载该文件，修改后再上传，上传前需删除原文件）

_update_params_on_kvstore(self._exec_group.param_arrays,
                                      self._exec_group.grad_arrays,
                                      self._kvstore,
                                      self._param_names)

参考：

（1）Deep-Feature-Flow文章及代码训练解析_HeyMrYu的博客-CSDN博客_deep feature flow

（2）光流法进行视频目标检测，Flow-Guided-Feature-Aggregation和Deep Feature Flow的论文复现_zyksumm的博客-CSDN博客
（3）Flow-Guided-Feature-Aggregation-的安装配置，demo运行，以及采用少量ILSVRC2015 VID数据集在其中训练_一个想赢的人的博客-CSDN博客
（4）ILSVRC2015_VID数据集详解_lighten-1996的博客-CSDN博客_ilsvrc2015