Faster R-CNN+Resnet实现训练自己的数据集（CPU）--毕设笔记（1）

Faster R-CNN+Resnet实现训练自己的数据集（CPU）（一）

使用的是XinLei Chen的faster rcnn的源代码：https://github.com/endernewton/tf-faster-rcnn

建议出现问题时，仔细阅读代码中的readme文档，能有意想不到的收获

参考blog：https://blog.csdn.net/sinat_33486980/article/details/81045315

1、环境

　　虚拟机VMvare + Ubuntu18.04

　　无GPU加速

　　tensorflow1.14.0

　　python3.6.2

　　Cython0.25.2

　　opencv-python3.4.1.15

　　easydict1.6

　　在下载代码前，请将环境配置好，避免在运行时出现不必要的错误！(建议用conda管理各种库，conda list查看库)

2、下载代码

　　从https://github.com/endernewton/tf-faster-rcnn中直接下载

　　或者在你指定的目录中打开终端，克隆代码：

　　git clone https://github.com/endernewton/tf-faster-rcnn.git

　　建议认真阅读README.txt文件

 

3、设置CPU参数并编译

　　由于我的电脑没有GPU，所以根据readme的提示：

　　1、打开lib/setup.py进行修改：

　　　　注释掉图中红线部分

　　　　

 　　2、lib/model/nms_wrapper.py:

　　　　

 

　　3、lib/model/config.py:

　　　将__C.USE_GPU_NUM 由 TRUE 改为False

　　　　

 　　修改完相关代码后就可以进行连接Cython编译了，进入lib目录下，在终端中敲入一下命令:

　　python setup.py build_ext --inplace
　　make clean
　　make
　　cd .. 

　　若之前的代码修改正确的话编译应该不会出错

 

4、安装数据集API

　　在faste rcnn根目录上打开终端，敲入命令：

　　cd data

　　git clone https://github.com/pdollar/coco.git

　　cd coco/PythonAPI

　　make

　　cd ../../..

 

5、下载与训练模型，并运行demo.py，同时测试VOC2007数据集

 　　1、下载Resnet与训练模型

　　　　在readme文件中有相应的下载地址，但国内下载大概率是不行的，感谢@村民的菜篮子的百度云备份：https://pan.baidu.com/s/1kWkF3fT，下载后放入data文件中解压即可。

　　 2、创建output文件：

　　　　在faster rcnn目录下，创建以下文件夹output/res101/voc_2007_trainval+voc_2012_trainval/default。最后把从data解压的模型放入到创建的文件中。

　　　　

　　3、进行demo

　　　　有了预训练模型了就可以对data/demo文件中的图片进行小小的演示了。

　　　　demo中自带了5张图片：

　　　　

 

　　　　回到faster rcnn目录中，打开终端输入命令：

　　　　./tools/demo.py

　　　　运行结果如图：