在我的上个博客中已经对fast-rcnn配置运行demo.py做出了相应说明,在本博客中我将对fast-rcnn配置运行VGG16.caffemodel和VGG_CNN_M_1024.v2.caffemodel做出具体操作说明,希望可以解决大家在训练vgg网络时出现的问题。
好了,我们来玩玩这个fast-rcnn配置运行VGG16.caffemodel和VGG_CNN_M_1024.v2.caffemodel
第一部分:下载数据test data and VOCdevkit
下载原网址:http://www.cs.berkeley.edu/~rbg/fast-rcnn-data(供选择)
或者终端输入:
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar
第二部分:解压生成文件夹 VOCdevkit
data下有文件夹命名为VOCdevkit,此文件夹中包含VOC2007和VOCcode(如第三部分所示)
就在data目录下输入下列命令解压,解压文件会自动跑到devkit这个文件夹,其中VOC2007会自动包含trainval和test这两个文件,即终端输入:
tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar
第三部分:文件夹包含目录
$VOCdevkit/ #development kit
$VOCdevkit/VOCcode/ #VOC utility code
$VOCdevkit/VOC2007 #image sets, annotations, etc.
第四部分:建立链接
终端输入:
cd $FRCN_ROOT/data(其中$表示您fast-rcnn的目录位置)
sudo ln -s VOCdevkit VOCdevkit2007
第五部分:下载 pre-computed Selective Search objectproposals
下载地址原网址:http://www.cs.berkeley.edu/~rbg/fast-rcnn-data(选择selective search那个文件)
拷贝放在data目录下解压
第六部分:下载 pre-trained ImageNet models( CaffeNet (model S), VGG_CNN_M_1024 (model M), and VGG16 (model L).)
下载地址原网址:http://www.cs.berkeley.edu/~rbg/fast-rcnn-data(选择imagenet_models)
拷贝放在data目录下解压
第七部分:训练测试如下:
训练:Train a Fast R-CNN detector.
在fast-rcnn目录下终端运行:
./tools/train_net.py --gpu 0 --solver models/VGG16/solver.prototxt --weights data/imagenet_models/VGG16.v2.caffemodel
如果出现错误:
EnvironmentError: MATLAB command 'matlab' not found. Please add 'matlab' toyour PATH.
则增加(终端运行):
export PATH=$PATH:/usr/local/MATLAB/R2014a/bin(前提保证matlab装好,make matcaffe通过)
测试:Test a Fast R-CNN detector.
./tools/test_net.py --gpu 0(用0不能用1,如果用1会显示核心已转存,即是内存出错) --def models/VGG16/test.prototxt --net output/default/voc_2007_trainval/vgg16_fast_rcnn_iter_40000.caffemodel
TIPS::如果用VGG_CNN_M_1024.v2.caffemodel这个模型,改一下中间的文件夹名称,即将VGG16改为VGG_CNN_M_1024.v2.caffemodel即可。
任何问题请加唯一QQ2258205918(名称samylee)!
或唯一VX:samylee_csdn