python cnn库_深度学习笔记之使用Faster-Rcnn进行目标检测 (实践篇)

实验

我使用的代码是Python版本的Faster Rcnn,官方也有Matlab版本的,链接如下:

环境配置

按照官方的README进行配置就好,不过在这之前大家还是看下硬件要求吧

For training smaller networks (ZF, VGG_CNN_M_1024) a good GPU (e.g., Titan, K20, K40, …) with at least 3G of memory suffices

For training Fast R-CNN with VGG16, you’ll need a K40 (~11G of memory)

For training the end-to-end version of Faster R-CNN with VGG16, 3G of GPU memory is sufficient (using CUDNN)

我的是环境是Ubuntu 14.04 + Titan X(12GB) + cuda 7.0 + cudnn V3。

1 Caffe环境配置

Caffe环境需要python layer的支持,在你的Caffe的Makefile.config中去掉以下的注释

WITH_PYTHON_LAYER := 1

USE_CUDNN := 1

2 安装python库依赖

cython,python-OpenCV和easydict

pip install cython

pip install python-opencv

pip install easydict

3 克隆py-faster-rcnn源代码

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

4 编译cython模块

cd $FRCN_ROOT/lib

make

5 编译Caffe和pycaffe

cd $FRCN_ROOT/caffe-fast-rcnn

make-j8 && make pycaffe

-j8的选项是进行多核编译,可以加速编译过程,推荐使用

数据集

参考VOC2007的数据集格式,主要包括三个部分:

JPEGImages

Annotations

ImageSets/Main

JPEGImages —> 存放你用来训练的原始图像

Annotations —> 存放原始图像中的Object的坐标信息,XML格式

ImageSets/Main —> 指定用来train,trainval,val和test的图片的编号

这部分非常重要,数据集做不好直接导致代码出现异常,无法运行,或者出现奇怪的错误,我也是掉进了很多坑,爬上来之后才写的这篇博客,希望大家不要趟我趟过的浑水!每一个部分我都会细说的!

JPEGImages

这个没什么,直接把你的图片放入就可以了,但是有三点注意:

编号要以6为数字命名,例如000034.jpg

图片要是JPEG/JPG格式的,PNG之类的需要自己转换下

图片的长宽比(width/height)要在0.462-6.828之间,就是太过瘦长的图片不要

0.462-6.828是我自己实验得出来的,就我的数据集而言是这个比例,总之长宽比太大或者太小的,你要注意将其剔除,否则可能会出现下面我实验时候出的错:

Traceback (most recent call last):

File “/usr/lib/python2.7/multiprocessing/process.py”, line 258, in _bootstrap

self.run()

File “/usr/lib/python2.7/multiprocessing/process.py”, line 114, in run

self._target(*self._args, **self._kwargs)

File “./tools/train_faster_rcnn_alt_opt.py”, line 130, in train_rpn

max_iters=max_iters)

File “/home/work-station/zx/py-faster-rcnn/tools/../lib/fast_rcnn/train.py”, line 160, in train_net

model_paths = sw.train_model(max_iters)

File “/home/work-station/zx/py-faster-rcnn/tools/../lib/fast_rcnn/train.py”, line 101, in train_model

self.solver.step(1)

File “/home/work-station/zx/py-faster-rcnn/tools/../lib/rpn/anchor_target_layer.py”, line 137, in forward

gt_argmax_overlaps = overlaps.argmax(axis=0)

ValueError: attempt to get argmax of an empty sequence

Google给出的原因是 Because the ratio of images width and heights is too small or large,这个非常重要。

Annotations

faster rcnn训练需要图像的bounding box信息作为监督(ground truth),所以你需要将你的所有可能的object使用框标注,并写上坐标,最终是一个XML格式的文件,一个训练图片对应Annotations下的一个同名的XML文件

参考官方VOC的Annotations的格式:

VOC2007#数据集文件夹000105.jpg#图片的name#注释信息,无所谓有无The VOC2007 Database

PASCAL VOC2007

flickr

321862192

#注释信息,无所谓有无Eric T. Johnson

?

#图片大小500

333

3

0

#多少个框就有多少个object标签boat#bounding box中的object的class nameFrontal

1

0

22#框的坐标1

320

314

person

Frontal

1

0

202

71

295

215

person

Frontal

1

0

170

107

239

206

这里有一个非常好用的工具VOC框图工具,可以自动帮你生成需要的XML格式,实际中发现格式基本无误,只有小的地方需要改动下,大家对比下就知道怎么改了,我是在Linux下借助sed修改的,这个不难

Imagesets/Main

因为VOC的数据集可以做很多的CV任务,比如Object detection, Semantic segementation, Edge detection等,所以Imageset下有几个子文件夹(Layout, Main, Segementation),我们只要修改下Main下的文件就可以了(train.txt, trainval.txt, val.txt, test.txt),里面写上你想要进行任务的图片的编号

将上述你的数据集放在py-faster-rcnn/data/VOCdevkit2007/VOC2007下面,替换原始VOC2007的JPEGIMages,Imagesets,Annotations

原始VOC2007下载地址: VOC20007数据集

代码修改

工程目录介绍

caffe-fast-rcnn —> caffe框架

data —> 存放数据,以及读取文件的cache

experiments —>存放配置文件以及运行的log文件,配置文件

lib —> python接口

models —> 三种模型, ZF(S)/VGG1024(M)/VGG16(L)

output —> 输出的model存放的位置,不训练此文件夹没有

tools —> 训练和测试的python文件

修改源文件

faster rcnn有两种各种训练方式:

Alternative training(alt-opt)

Approximate joint training(end-to-end)

推荐使用第二种,因为第二种使用的显存更小,而且训练会更快,同时准确率差不多,两种方式需要修改的代码是不一样的,同时faster rcnn提供了三种训练模型,小型的ZFmodel,中型的VGG_CNN_M_1024和大型的VGG16,论文中说VGG16效果比其他两个好,但是同时占用更大的GPU显存(~11GB)

我使用的是VGG model + alternative training,需要检测的类别只有一类,加上背景所以总共是两类(background + captcha)

py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage1_fast_rcnn_train.pt

layer {

name:'data'type:'Python'top:'data'top:'rois'top:'labels'top:'bbox_targets'top:'bbox_inside_weights'top:'bbox_outside_weights'python_param {

module:'roi_data_layer.layer'layer:'RoIDataLayer'param_str:"'num_classes': 2" #按训练集类别改,该值为类别数+1}

}

layer {

name:"cls_score"type:"InnerProduct"bottom:"fc7"top:"cls_score"param {

lr_mult:1.0}

param {

lr_mult:2.0}

inner_product_param {

num_output:2 #按训练集类别改,该值为类别数+1weight_filler {

type:"gaussian"std:0.01}

bias_filler {

type:"constant"value:0}

}

}

layer {

name:"bbox_pred"type:"InnerProduct"bottom:"fc7"top:"bbox_pred"param {

lr_mult:1.0}

param {

lr_mult:2.0}

inner_product_param {

num_output:8 #按训练集类别改,该值为(类别数+1)*4,四个顶点坐标

weight_filler {

type:"gaussian"std:0.001}

bias_filler {

type:"constant"value:0}

}

}

py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage1_rpn_train.pt

layer {

name:'input-data'type:'Python'top:'data'top:'im_info'top:'gt_boxes'python_param {

module:'roi_data_layer.layer'layer:'RoIDataLayer'param_str:"'num_classes': 2" #按训练集类别改,该值为类别数+1}

}

py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage2_fast_rcnn_train.pt

layer {

name:'data'type:'Python'top:'data'top:'rois'top:'labels'top:'bbox_targets'top:'bbox_inside_weights'top:'bbox_outside_weights'python_param {

module:'roi_data_layer.layer'layer:'RoIDataLayer'param_str:"'num_classes': 2" #按训练集类别改,该值为类别数+1}

}

layer {

name:"cls_score"type:"InnerProduct"bottom:"fc7"top:"cls_score"param {

lr_mult:1.0}

param {

lr_mult:2.0}

inner_product_param {

num_output:2 #按训练集类别改,该值为类别数+1weight_filler {

type:"gaussian"std:0.01}

bias_filler {

type:"constant"value:0}

}

}

layer {

name:"bbox_pred"type:"InnerProduct"bottom:"fc7"top:"bbox_pred"param {

lr_mult:1.0}

param {

lr_mult:2.0}

inner_product_param {

num_output:8 #按训练集类别改,该值为(类别数+1)*4,四个顶点坐标

weight_filler {

type:"gaussian"std:0.001}

bias_filler {

type:"constant"value:0}

}

}

py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage2_rpn_train.pt

layer {

name:'input-data'type:'Python'top:'data'top:'im_info'top:'gt_boxes'python_param {

module:'roi_data_layer.layer'layer:'RoIDataLayer'param_str:"'num_classes': 2" #按训练集类别改,该值为类别数+1}

}

py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/faster_rcnn_test.pt

layer {

name:"cls_score"type:"InnerProduct"bottom:"fc7"top:"cls_score"inner_product_param {

num_output:2 #按训练集类别改,该值为类别数+1}

}

py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/faster_rcnn_test.pt

layer {

name:"cls_score"type:"InnerProduct"bottom:"fc7"top:"cls_score"inner_product_param {

num_output:2 #按训练集类别改,该值为类别数+1}

}

py-faster-rcnn/lib/datasets/pascal_voc.py

classpascal_voc(imdb):

def __init__(self, image_set, year, devkit_path=None):

imdb.__init__(self,'voc_' + year + '_' +image_set)

self._year=year

self._image_set=image_set

self._devkit_path= self._get_default_path() if devkit_path isNone \elsedevkit_path

self._data_path= os.path.join(self._devkit_path, 'VOC' +self._year)

self._classes= ('__background__', # always index 0captcha'# 有几个类别此处就写几个,我是两个

)

line 212

cls = self._class_to_ind[obj.find('name').text.lower().strip()]

如果你的标签含有大写字母,可能会出现KeyError的错误,所以建议全部使用小写字母

py-faster-rcnn/lib/datasets/imdb.py

将append_flipped_images函数改为如下形式:

def append_flipped_images(self):

num_images=self.num_images

widths= [PIL.Image.open(self.image_path_at(i)).size[0]for i inxrange(num_images)]for i inxrange(num_images):

boxes= self.roidb[i]['boxes'].copy()

oldx1= boxes[:, 0].copy()

oldx2= boxes[:, 2].copy()

boxes[:,0] = widths[i] - oldx2 - 1print boxes[:,0]

boxes[:,2] = widths[i] - oldx1 - 1print boxes[:,0]

assert (boxes[:,2] >= boxes[:, 0]).all()

entry= {'boxes': boxes,'gt_overlaps' : self.roidb[i]['gt_overlaps'],'gt_classes' : self.roidb[i]['gt_classes'],'flipped': True}

self.roidb.append(entry)

self._image_index= self._image_index * 2

到此代码修改就搞定了

训练

训练前还需要注意几个地方

1 cache问题

假如你之前训练了官方的VOC2007的数据集或其他的数据集,是会产生cache的问题的,建议在重新训练新的数据之前将其删除

(1) py-faster-rcnn/output

(2) py-faster-rcnn/data/cache

2 训练参数

py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage_fast_rcnn_solver*.pt

base_lr: 0.001lr_policy:'step'step_size:30000display:20....

迭代次数在文件py-faster-rcnn/tools/train_faster_rcnn_alt_opt.py中进行修改

line 80

max_iters = [80000, 40000, 80000, 40000]

分别对应rpn第1阶段,fast rcnn第1阶段,rpn第2阶段,fast rcnn第2阶段的迭代次数,自己修改即可,不过注意这里的值不要小于上面的solver里面的step_size的大小,大家自己修改吧。

开始训练:

cd py-faster-rcnn

./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG16 pascal_voc

指明使用第一块GPU(0),模型是VGG16,训练数据是pascal_voc(voc2007),没问题的话应该可以迭代训练了

结果

训练完毕,得到我们的训练模型,我们就可以使用它来进行我们的object detection了,具体是:

1 将py-faster-rcnn/output/faster_rcnn_alt_opt/voc_2007_trainval/VGG16_faster_rcnn_final.caffemodel,拷贝到py-faster-rcnn/data/faster_rcnn_models下

2 将你需要进行test的images放在py-faster-rcnn/data/demo下

3 修改py-faster-rcnn/tools/demo.py文件

CLASSES = ('_background_', 'captcha') #参考你自己的类别写

NETS = {'vgg16': ('VGG16',

'VGG16_faster_rcnn_final.caffemodel'), #改成你训练得到的model的name

'zf': ('ZF',

'ZF_faster_rcnn_final.caffemodel')

}

im_names = ['1559.jpg','1564.jpg'] # 改成自己的test image的name

上几张我的检测结果吧

参考

你可能感兴趣的:(python,cnn库)