独自のデータセット(CPU)をトレーニングするための高速なR-CNN + Resnet(1)
XinLei Chenのより高速なrcnnのソースコードを使用:https : //github.com/endernewton/tf-faster-rcnn
問題がある場合は、コード内のreadmeドキュメントを注意深く読んで、予期しない結果が生じることをお勧めします。
参考ブログ:https ://blog.csdn.net/sinat_33486980/article/details/81045315
1.環境
仮想マシンVMvare + Ubuntu 18.04
GPUアクセラレーションなし
tensorflow1.14.0
python3.6.2
Cython0.25.2
opencv-python3.4.1.15
easydict1.6
コードをダウンロードする前に、実行時に不要なエラーが発生しないように環境を構成してください。(さまざまなライブラリを管理するにはcondaを使用し、ライブラリを表示するにはcondaリストを使用することをお勧めします)
2.コードをダウンロードする
https://github.com/endernewton/tf-faster-rcnnから直接ダウンロード
または、指定したディレクトリでターミナルを開き、コードを複製します。
git clone https:// github.com/endernewton/tf-faster-rcnn.git
README.txtファイルを注意深く読むことをお勧めします
3. CPUパラメータを設定してコンパイルする
Readmeのヒントによると、私のコンピューターにはGPUがないため、
1. lib / setup.pyを開いて変更します:
図の赤い線をコメント化します
2、lib / model / nms_wrapper.py:
3、lib / model / config.py:
__C.USE_GPU_NUMをTRUEからFalseに変更します
関連するコードを変更したら、Cythonに接続してコンパイルできます。libディレクトリに移動し、ターミナルで次のコマンドを入力します。
python setup.py build_ext- inplace
make clean
make
cd ..
前のコードが正しく変更されていれば、コンパイルは失敗しないはずです
4.データセットAPIをインストールする
faste rcnnのルートディレクトリでターミナルを開き、次のコマンドを入力します。
CDデータ gitのクローンます。https: //github.com/pdollar/ coco.gitの CDココ / PythonAPIの メイク CD .. /../ ..
5.モデルをダウンロードしてトレーニングし、VOC2007データセットをテストしながらdemo.pyを実行します
1. Resnetとトレーニングモデルをダウンロードする
Readmeファイルには対応するダウンロードアドレスがありますが、国内のダウンロード確率は受け入れられません。@村民的菜瓶のBaiduクラウドバックアップのおかげで:https ://pan.baidu.com/s/1kWkF3fT 、ダウンロード後にデータファイルに入れてください解凍するだけです。
2.出力ファイルを作成します。
より高速なrcnnディレクトリで、次のフォルダーoutput / res101 / voc_2007_trainval + voc_2012_trainval / defaultを作成します。最後に、解凍したモデルをデータから作成したファイルに入れます。
3.デモを実施する
事前トレーニング済みモデルを使用すると、データ/デモファイル内の画像の小さなデモを行うことができます。
デモには5つの画像があります。
高速のrcnnディレクトリに戻り、ターミナルを開いて次のコマンドを入力します。
./tools/demo.py
結果を図に示します。