Ubuntu下全卷积神经网络（FCN）框架的配置和基本使用

Ubuntu下FCN的配置和基本使用

因为要尝试用全卷积神经网络（FCN）做文字的检测和分割，又重拾起FCN框架；相比半年前使用FCN，github上已经有现成的FCN调用接口了（赞一个），用起来会省心一些。

• 配置Caffe
• 配置FCN
• 编译FCN
• FCN基本使用：训练和预测

配置Caffe

• 目前的FCN是基于Caffe-master的；只需要在Caffe里添加一些python调用脚本就可以使用了。
• 关于Caffe的配置，可以看这里。
• Caffe配置好以后，可以复制一份用于FCN（命名为FCN），另一份作为Caffe-master的备份

以上是Caffe的配置

配置FCN

• 下载FCN源码
  
  • 方式1：用谷歌/baidu 搜“caffe github”，找到shelhamer的页面，下载zip 包，自行解压
  • 方式2：在终端运行 git clone --recursive https://github.com/shelhamer/fcn.berkeleyvision.org，直接clone到本地
• 将下载好的fcn源码放到FCN根目录下
• 更改Makefile.config
  
  • WITH_PYTHON_LAYER := 1
• 安装fcn依赖库
  
  • 下载的fcn代码中，有的文件（eg. surgery.py）的路径，需要自己添加到环境变量中
    – home目录下运行vim .bashrc
    – PYTHONPATH路径添加 export PYTHONPATH=/home/archer/FCN/fcn:$PYTHONPATH
    – .bashrc中完整的python路径应该是这样的：export PYTHONPATH=/home/archer/FCN/python:/home/archer/FCN/fcn:$PYTHONPATH
  • 另外引用到的一些库则需要自己安装，请根据提示安装（这个时候用anaconda就比较方便了，anaconda找不到的库，就用pip）

以上是FCN的配置

编译FCN

这个就和Caffe编译一样了。
matlab和python也要重新编译一遍。

以上是FCN的编译

FCN基本使用：训练和预测

• 前期准备
  – 在FCN根目录下新建一个文件夹（比如TD）
  – 在下载的fcn文件夹中随便找一个文件夹（比如voc-fcn8s），将其中的sovle.py,solve.prototxt以及train.prototxt等全部拷贝到TD文件夹
  – 修改solve.py中关于caffemodel和prototxt文件等等的路径
  – 修改train和test的prototxt中python_param下的其中一项参数为 layer: "VOCSegDataLayer" （貌似下载的fcn中只有这个类型的py文件）

• 训练

  • FCN根目录下直接使用命令：
    –python TD/solve.py
• 预测
  
  • 目前我是在网上找的别人写好的脚本
  • 能做到基本的预测了，可以在此基础上实现自己想要的效果

以上就把FCN基本配好了。

可能自己实际操作中还会遇到一些问题；别急躁，只要以上几步都完成了，那么你已经成功一大半了，遇到问题请耐心在网上搜索（推荐用google），你遇到的问题，别人应该都有讨论到，会得到解决的，加油！