運行Fast R-CNN的代碼

標簽（空格分隔）： vision

FR-CNN是Ross Girshick的新作，從文章來看FR-CNN比R-CNN和SPPNet都快很多。當然R-CNN和SPPNet也都是Girshick的作品，F(xiàn)R-CNN的正確率不僅超越Girshick自己的嫡出，也超過了DPM等其他方法。

FR-CNN正如文章所說的是一個簡單，并且Elegant的框架。和那些Pipeline的模型相比，的確是優(yōu)雅很多的。當然FR-CNN本身也可以看作是一個Pipeline，只不過這個Pipeline只有兩個步驟，一是Pretrain的CNN，第二個是Region Pooling和Fully connected Network（FC）。

我認為優(yōu)雅之處在于：

• 文章采用了多目標的函數(shù)，所以把分類問題和Localization問題一起解決了。
• 最終的目標函數(shù)可以用于Fine tune Pretrained CNN （當然也不是每一層都能Train）。這樣看起來就是一個統(tǒng)一的框架了。

Contents

1. Basic system information
2. Basic Hardware info

Basic Hardware info

1. For training smaller networks (CaffeNet, VGG_CNN_M_1024) a good GPU (e.g., Titan, K20, K40, …) with at least 3G of memory suffices
2. For training with VGG16, you’ll need a K40 (~11G of memory)
   目前的GPU只有GTX750i，顯存只有2G，按照說明如果要使用GPU至少要3G的顯存。所以只能在CPU上面Run這個代碼。

Basic system information

使用Ubuntu Linux 14.04桌面版：

~$ uname -a
Linux cis-ubuntu-1 3.13.0-24-generic #46-Ubuntu SMP Thu Apr 10 19:11:08 UTC 2014 x86_64 x86_64 x86_64 GNU/Linux
1
2
1
2

需要安裝的基礎(chǔ)軟件

可能你的機器上沒有cython, easydict

sudo pip install cython
sudo pip install easydict
1
2
1
2

安裝Opencv

按照這個網(wǎng)頁的方法：
http://www./web/2014/06/installing-opencv-2-4-9-in-ubuntu-14-04-lts/

最后測試一下Python

python ~/opencv-2.4.9/samples/python2/turing.py
1
1

安裝Caffe (berkeley開發(fā)的一個Deep Learning的框架)

參考:我的安裝Caffe的過程

安裝 Fast R-CNN

1. 下載源代碼：

git clone --recursive https://github.com/rbgirshick/fast-rcnn.git
1
1

下載代碼的目錄，命名為$FRCN_ROOT。

1. 編譯Cython:

cd $FRCN_ROOT/lib
make
1
2
1
2

1. 編譯Caffe and pycaffe：

cd $FRCN_ROOT/caffe-fast-rcnn
cp Makefile.config.example Makefile.config   #用例子文件作為模板
vi Makefile.config  # 按照你的機器設(shè)置進行修改。
make -j8 && make pycaffe
1
2
3
4
1
2
3
4

1. 下載pre-computed Fast R-CNN detectors
   大概985M, 用了一個小時。

cd $FRCN_ROOT
./data/scripts/fetch_fast_rcnn_models.sh
1
2
1
2

運行演示

cd $FRCN_ROOT
./tools/demo.py --cpu
1
2
1
2

碰到的問題：

1. 錯誤： ImportError: No module named skimage.io

sudo pip install scikit-image
1
1

1. 錯誤： ImportError: No module named google.protobuf.internal

sudo find / -name protobuf   
/usr/include/google/protobuf  # 只有C版本的protobuf
apt-get install python-protobuf
1
2
3
1
2
3

然后終于可以運行了。
在AMD的機器上，500×406的街景圖片，用來63秒。（還不包括Selective Search計算Proposal的部分，因為這部分是事先計算好的。）

運行的結(jié)果看起來還不錯，對路邊的車輛都能識別出來。

對代碼還有很多不明白之處（150523）。

1. 為什么安裝好了Caffe以后，安裝Fast R-CNN的時候，還需要make caffe?