GPUのプロセッサ、環境設定のインストールで私が使用ubantu16.04システムは、言うことはありません。
使用するソースは:https://github.com/endernewton/tf-faster-rcnn
A.コードGitHubのダウンロード
gitのクローンhttps://github.com/endernewton/tf-faster-rcnn.git
II。設定を変更します
CD〜/ TF-速いrcnn / libに Vimのsetup.py
私はGTX 1080用のサーバーを使用しているため、そのためsm_61を交換し、あなたは、NVIDIA-SMIによって、コンピュータのGPU構成を表示することができます。
III。コンパイル
戻るlibフォルダ内:
きれいにする メイク CDを..
IV。インストールCOCO API
CDデータ gitのクローンhttps://github.com/pdollar/coco.git CDココ/ PythonAPIは 作る CDを../../ ..
V.ダウンロードおよび抽出データ
wgetのhttp://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar wgetのhttp://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06 -NOV-2007.tar wgetのhttp://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar タールあるxv VOCtrainval_06 - 11月- 2007.tar タールあるxv VOCtest_06 - 11月- 2007タールは VOCdevkit_08ジュン2007.tarあるxv取り
VI。名前変更
データ・セット・フォルダはフォルダのディレクトリ内のデータファイルに名前を変更VOCdevkit手動でダウンロードすることは速くrcnn VOCdevkit2007です。コードはVOCdevkit2007であるため、名前の変更があり、次のコードによっても達成することができます。
CD $ FRCN_ROOT /データ のln -s $ VOCdevkit VOCdevkit2007
VII。事前に訓練されたモデルをダウンロード
このステップは、多くの場合、ダウンロードし、壁の上にダウンロードする必要があり、それがこのネットワークディスクからダウンロードすることができ、失敗したhttps://pan.baidu.com/s/1kWkF3fT解凍するデータのダウンロードディレクトリの後、。
voc_0712_80k-110k.tgzあるxvタール
VIII。柔軟な接続の事前トレーニングモデル
このステップの目的は、TF-速いrcnnディレクトリの出力フォルダに設定し、事前研修モデルを使用して接続するためのソフトウェアを使用して、次のコードは、旅行に行くためにここにの手順に従ってください使用することです:
NET = res101 TRAIN_IMDB = voc_2007_trainval + voc_2012_trainval ます。mkdir -p出力/ $ {NET} / $ {TRAIN_IMDB} CD出力/ $ {NET} / $ {TRAIN_IMDB} LN -s ../../../data/voc_2007_trainval+ voc_2012_trainval ./defaultの CD ../../ ..
ナイン.demoテスト
GPU_ID = 0 CUDA_VISIBLE_DEVICES = $ {GPU_ID} ./tools/demo.py
独自のデータを使用してX.トレーニング
:あなたのデータを交換して、あなたは別のブログ参照することができますhttps://blog.csdn.net/hitzijiyingcai/article/details/81636455を
示すように、新しい、特定の場所と関連したフォルダ名で、その後も、txtファイル、データフォルダに良いデータを作成します:
XI。事前研修のモデルをダウンロード
45ef:まず、VGGモデル、ネットワークディスクのダウンロードhttps://pan.baidu.com/s/1aD0jlYGHhZQeeTvNJy0GGQ、パスワードをダウンロードしてください。
TF-速いrcnn / data /ディレクトリの下に作成された名前に対応するコール重量データが必要になったとき、背中を重量データとvgg_16.ckpt解凍リネームvgg16.ckptを抽出し、フォルダをimagenet_weights。
次のようにここでは、訓練することができますが、時間を節約し、エラーを排除するために、反復回数だけ2000に設定されている、特定の操作:
ITERSに最初の22行の./experiments/scripts/train_faster_rcnn.sh = 70000 ITERS = 2000、
ITERSの./experiments/scripts/test_faster_rcnn.shは、2000年になってますが。
行36変更に関するTF-速いrcnn / libに/データセットのカタログそのカテゴリの下pascal_voc.pyでは、「__ background__」覚えているクラスの数を変更していない、戻って自分自身に、オリジナルの20のラベルを削除しません変更する場所はありません。
TF-速いrcnn / libに/データセットのカタログの下のカテゴリ、カテゴリ1 imdb.pyを変更し、私のデータは2です。
あなたがトレーニングを開始する前に、また、我々はその後、それぞれの下でTF-速いrcnn /出力/ vgg16 / voc_2007_trainval /デフォルトパスデータとTF-速いrcnn / /キャッシュパスで削除トレーニングモデルとキャッシュの前に生成する必要があります一部のコンテンツを変更します。
彼自身のディレクトリ変更でローカル修正:Test_net.pyは、TF-速いrcnn / toolsディレクトリにある次のファイルを変更します
Trainval_net.pyは、同じディレクトリ内のファイルの内容を変更します。
そして、それは訓練し、テストすることができます
GPU_ID = 0 ./experiments/scripts/train_faster_rcnn.sh 0 pascal_voc vgg16
GPU_ID = 0 ./experiments/scripts/test_faster_rcnn.sh 0 pascal_voc vgg16
トレーニングとテストの結果は、デモ・テストの結果を示し、表示されません。
十二.demoテストモデル
あなたは、テストの前に、TF-速いrcnn /データ/デモ/ディレクトリにテストするために、独自の画像を配置する必要があります
発見位置に対応する修正へ:ファイルdemo.py TF-速いrcnn /ツール/ディレクトリに以下のように変更
ファイル形式を.JPG、画像の名前を変更し、同じデモフォルダのイメージ名に。
./tools/demo.py
テスト結果のデモの一つのクラス
参考記事:
1.https://blog.csdn.net/hitzijiyingcai/article/details/81808091
2.https://blog.csdn.net/hitzijiyingcai/article/details/81914200
3.https://blog.csdn.net/hitzijiyingcai/article/details/81347402
著者:周華520
出典ます。https://www.cnblogs.com/xfzh193/
本論文では、学び、共有し、研究およびエクスチェンジベース、転載を歓迎し、元の作者を明記してください!