py-faster-rcnn 檔案結構
py-faster-rcnn檔案結構
工程目錄簡介
首先工程的根目錄簡單的稱為 FRCN_ROOT,可以看到根目錄下有以下幾個資料夾
·caffe-fast-rcnn
這裡是caffe框架目錄
·data
用來存放pretrained模型,比如imagenet上的,以及讀取檔案的cache快取
·experiments
存放配置檔案以及執行的log檔案,另外這個目錄下有scripts可以用end2end或者alt_opt兩種方式訓練。
·lib
用來存放一些python介面檔案,如其下的datasets主要負責資料庫讀取,config負責cnn一些訓練的配置選項。
·models
裡面存放了三個模型檔案,小型網路的ZF,大型網路VGG16,中型網路VGG_CNN_M_1024。推薦使用VGG16,如果使用端到端的approximatejoint training方法,開啟CuDNN,只需要3G的視訊記憶體即可。
·output
這裡存放的是訓練完成後的輸出目錄,預設會在faster_rcnn_end2end資料夾下
·tools
裡面存放的是訓練和測試的 Python 檔案。相關推薦
py-faster-rcnn 檔案結構
py-faster-rcnn檔案結構 工程目錄簡介 首先工程的根目錄簡單的稱為 FRCN_ROOT,可以看到根目錄下有以下幾個資料夾 ·caffe-fast-rcnn 這裡是caffe框架目錄 ·data 用來存放pretrained模型,比如imagenet上的,以及讀取檔案的cach
py-faster-rcnn 修改demo.py檔案將所有目標框都顯示在同一張圖裡
#!/usr/bin/env python # -------------------------------------------------------- # Faster R-CNN # Copyright (c) 2015 Microsoft # Licensed
目標檢測框架py-faster-rcnn修改anchor_box
算法 框架 ams const fas nbsp 這一 res weight 眾所周知,anchor_box控制了回歸框的大小,我們有時候檢測的是大物體或小物體時,需要調整回歸框的大小的時候,得改一下anchor_box。基於rgb公開的py-faster-rcnn修改an
py faster rcnn的lib編譯出錯問題
4.0 library 提示 run fast 不知道 9.1 規則 昨天 真是好事多磨啊,計算機系統依然是14.04,而cuda依然是8.0,唯一不同的是時間不一樣,下載的各種庫版本有差別,GPU的driver不一樣。 但是這樣就出問題了,py-faster rcnn的l
記錄caffe下配置bottom up attention (py-faster-rcnn)環境配置遇到的坑
bottom up attention為py-faster-rcnn在 Visual Genome 資料集預訓練的模型,官方py-faster-rcnn在COCO資料集預訓練下僅識別80個class,bottom up attention可識別1600個object class以
Ubuntu16.04+Cuda8.0+cuDNN6配置py-faster rcnn(轉)
原部落格地址:https://blog.csdn.net/meccaendless/article/details/79557162 0前言Faster R-CNN是任少卿2015年底推出的目標檢測演算法 ,時至今日依舊還是Object Detection領域最好方法之一,基於該框架後續推出了 R-FCN,
Ubuntu16.04+caffe的安裝和Py-faster-rcnn在CPU電腦的安裝-2
本機安裝在/home/whu/HS/caffe https://blog.csdn.net/jx232515/article/details/72384465 第一步: 重點宣告:是在cpu安裝,不適用GPU.本教程caffe編譯只是編譯了通用caffe的Python介面(如果還需要編譯
py-faster-rcnn原始碼AnchorTargetLayer
本文介紹了在solver中出現的用python定義的layer,顧名思義,該layer主要功能是產生anchor,並對anchor進行評分等操作,詳細見程式碼註釋。 cl
py-faster-rcnn配置執行相關問題
問題1: from ._caffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, \ ImportError: libcaffe.so.
使用faster rcnn訓練自己的資料(py-faster-rcnn )
出於在csdn上面學到很多東西這裡也幫自己的一些收穫和大家分享一下 直奔主題~~ 前提是已經安裝好caffe的環境 本文是在Ubuntu 15.04下做的測試 $Faster_rcnn表示py-faster-rcnn根目錄 1. 修改資料介面 ($Faster_rc
訓練py-faster rcnn的兩種方式以及自己模型的遷移學習
faster rcnn訓練方式有兩種,一種是交替優化方法(alternating optimization),即訓練兩個網路,一個是rpn,一個是fast rcnn,總計兩個stage,每個stage各訓練一次rpn和fast rcnn。另外一種訓練方式為近似聯合訓練(app
Windows+VS2015編譯caffe+py-faster-rcnn
一、前期環境以及準備 1、安裝python 在caffe中,python2和python3的介面都有。但frcnn中只能支援python2.7,所以千萬不要裝成python3。為了方便,不用自己去
py-faster-rcnn + ZF 實現自己的資料訓練與檢測(一)
0.前言 最近兩個星期,一直在看faster rcnn物體檢測,在一段折騰之後,總算能夠訓練自己的資料並進行物體檢測了。這篇部落格就當作是對最近整個實驗過程的記錄吧。首先先從最開始如何配置py-fas
py-faster-rcnn + cpu安裝及訓練自己的資料集
下面分兩部分來講解,第一部分為py-faster-rcnn及caffe框架安裝。第二部分講解如何修改相關檔案,訓練自己的資料集。 第一部分 安裝 把專案程式碼clone下來, 注意是遞迴下載,裡面包含專案自帶的caffe,跟原版的caffe略有不同,
caffe學習(四):py-faster-rcnn配置,執行測試程式(Ubuntu)
上一篇部落格中講了在Ubuntu下安裝caffe的經驗總結(各種問題,簡直懷疑人生了)。部落格連結:點我開啟 faster-rcnn有兩個版本,分別是Python的和MATLAB的。這裡介紹python版本的faster-rcnn的配置。 網上有很多相關的教程,起初我在配置
Windows下py-Faster rcnn的編譯及遇到的問題
參考 caffe windows-caffe的編譯參考我的上一篇部落格,或是找其他。 在編譯windows-caffe的時候有個小問題,預設是沒有把roi_pooling層放進去編譯的,這樣的後果就是之後在執行pyfaster-rcnn網
Faster RCNN訓練出現問題:Selective search data not found at: /home/py-faster-rcnn/data/selective_search_dat
~/py-faster-rcnn$ ./experiments/scripts/fast_rcnn.sh 0 VGG16 pascal_voc + set -e + export PYTHONUNBUFFERED=True + PYTHONUNBUFFERED=True +
py-faster-rcnn演算法caffe配置,訓練及應用到自己的資料集
進入py-faster-rcnn/caffe-fast-rcnn cp Makefile.config.example MAkefile.config 然後配置Makefile.config檔案,可參考我的Makefile.config ## Refer to http://caffe.berkele
py-faster-rcnn demo.py解析
#程式功能:呼叫caffemodel,畫出檢測到的人臉並顯示 #用來指定用什麼直譯器執行指令碼,以及直譯器所在位置,這樣就可以直接執行指令碼 #!/usr/bin/env python # ---------------------------------------
py-faster-rcnn訓練自己資料集需要修改的引數
faster rcnn預設有三種網路模型ZF(小)、VGG_CNN_M_1024(中)、VGG16 (大) 訓練圖片大小為500*500,類別數1。 修改VGG_CNN_M_1024模型配置