R-CNN + Resnet más rápido para entrenar su propio conjunto de datos (CPU) (1)
Usando el código fuente del rcnn más rápido de XinLei Chen: https://github.com/endernewton/tf-faster-rcnn
Se recomienda que si hay un problema, lea el documento Léame en el código cuidadosamente para obtener ganancias inesperadas.
参考 blog ：https://blog.csdn.net/sinat_33486980/article/details/81045315
1. Medio ambiente
Máquina virtual VMvare + Ubuntu 18.04
Sin aceleración de GPU
tensorflow1.14.0
python3.6.2
Cython0.25.2
opencv-python3.4.1.15
easydict1.6
Antes de descargar el código, configure el entorno para evitar errores innecesarios durante el tiempo de ejecución. (Se recomienda usar conda para administrar varias bibliotecas, lista de conda para ver la biblioteca)
2. Descargue el código
Descargar directamente desde https://github.com/endernewton/tf-faster-rcnn
O abra la terminal en el directorio que especificó y clone el código:
git clone https: // github.com/endernewton/tf-faster-rcnn.git
Se recomienda leer el archivo README.txt cuidadosamente
3. Establecer parámetros de CPU y compilar
Como mi computadora no tiene una GPU, de acuerdo con los consejos del archivo Léame:
1. Abra lib / setup.py para modificar:
Comente la línea roja en la figura
2 、 lib / model / nms_wrapper.py:
3 、 lib / model / config.py:
Cambie __C.USE_GPU_NUM de VERDADERO a Falso
Después de modificar el código relevante, puede conectarse a Cython y compilarlo. Ingrese al directorio lib y escriba el siguiente comando en el terminal:
python setup.py build_ext - inplace
make clean
make
cd ..
Si el código anterior se modifica correctamente, la compilación no debería salir mal
4. Instale la API del conjunto de datos
Abra la terminal en el directorio raíz de faste rcnn y escriba el comando:
Datos de CD clon de git https: //github.com/pdollar/ coco.git cd coco / PythonAPI make cd .. /../ ..
5. Descargue y entrene el modelo, y ejecute demo.py mientras prueba el conjunto de datos VOC2007
1. Descargar Resnet y modelo de entrenamiento
Hay una dirección de descarga correspondiente en el archivo Léame, pero la probabilidad de descarga nacional no es aceptable. Gracias a la copia de seguridad en la nube de Baidu de @ 村民 的 菜 瓶: https://pan.baidu.com/s/1kWkF3fT , y póngalo en el archivo de datos después de la descarga Solo descomprimir.
2. Cree el archivo de salida:
En el directorio rcnn más rápido, cree la siguiente carpeta output / res101 / voc_2007_trainval + voc_2012_trainval / default. Finalmente, coloque el modelo descomprimido de los datos en el archivo creado.
3. Realizar una demostración
Con el modelo pre-entrenado, puede dar una pequeña demostración de las imágenes en el archivo de datos / demostración.
Hay 5 imágenes en la demostración:
Regrese al directorio rcnn más rápido, abra la terminal e ingrese el comando:
./tools/demo.py
Los resultados se muestran en la figura:
