1. 程式人生 > >使用Faster-Rcnn進行目標檢測(實踐篇)

使用Faster-Rcnn進行目標檢測(實踐篇)

原理

實驗

我使用的程式碼是python版本的Faster Rcnn,官方也有Matlab版本的,連結如下:

環境配置

按照官方的README進行配置就好,不過在這之前大家還是看下硬體要求吧

  • For training smaller networks (ZF, VGG_CNN_M_1024) a good GPU (e.g., Titan, K20, K40, …) with at least 3G of memory suffices

  • For training Fast R-CNN with VGG16, you’ll need a K40 (~11G of memory)

  • For training the end-to-end version of Faster R-CNN with VGG16, 3G of GPU memory is sufficient (using CUDNN)

我的是環境是Ubuntu 14.04 + Titan X(12GB) + cuda 7.0 + cudnn V3

1 Caffe環境配置

Caffe環境需要python layer的支援,在你的Caffe的Makefile.config中去掉以下的註釋

  • WITH_PYTHON_LAYER := 1
  • USE_CUDNN := 1

2 安裝python庫依賴

cython,python-opencveasydict

pip install cython
pip install python-opencv
pip install easydict

3 克隆py-faster-rcnn原始碼

git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

4 編譯cython模組

cd $FRCN_ROOT/lib
make 

5 編譯Caffepycaffe

cd $FRCN_ROOT/caffe-fast-rcnn
make -j8 && make pycaffe

-j8的選項是進行多核編譯,可以加速編譯過程,推薦使用

資料集

參考VOC2007的資料集格式,主要包括三個部分:

  • JPEGImages

  • Annotations

  • ImageSets/Main

JPEGImages —> 存放你用來訓練的原始影象

Annotations —> 存放原始影象中的Object的座標資訊,XML格式

ImageSets/Main —> 指定用來train,trainval,val和test的圖片的編號

這部分非常重要,資料集做不好直接導致程式碼出現異常,無法執行,或者出現奇怪的錯誤,我也是掉進了很多坑,爬上來之後才寫的這篇部落格,希望大家不要趟我趟過的渾水!每一個部分我都會細說的!

JPEGImages

這個沒什麼,直接把你的圖片放入就可以了,但是有三點注意:

  • 編號要以6為數字命名,例如000034.jpg

  • 圖片要是JPEG/JPG格式的,PNG之類的需要自己轉換下

  • 圖片的長寬比(width/height)要在0.462-6.828之間,就是太過瘦長的圖片不要

0.462-6.828是我自己實驗得出來的,就我的資料集而言是這個比例,總之長寬比太大或者太小的,你要注意將其剔除,否則可能會出現下面我實驗時候出的錯:

Traceback (most recent call last):
File “/usr/lib/python2.7/multiprocessing/process.py”, line 258, in _bootstrap
self.run()
File “/usr/lib/python2.7/multiprocessing/process.py”, line 114, in run
self._target(*self._args, **self._kwargs)
File “./tools/train_faster_rcnn_alt_opt.py”, line 130, in train_rpn
max_iters=max_iters)
File “/home/work-station/zx/py-faster-rcnn/tools/../lib/fast_rcnn/train.py”, line 160, in train_net
model_paths = sw.train_model(max_iters)
File “/home/work-station/zx/py-faster-rcnn/tools/../lib/fast_rcnn/train.py”, line 101, in train_model
self.solver.step(1)
File “/home/work-station/zx/py-faster-rcnn/tools/../lib/rpn/anchor_target_layer.py”, line 137, in forward
gt_argmax_overlaps = overlaps.argmax(axis=0)
ValueError: attempt to get argmax of an empty sequence

Google給出的原因是 Because the ratio of images width and heights is too small or large,這個非常重要

Annotations

faster rcnn訓練需要影象的bounding box資訊作為監督(ground truth),所以你需要將你的所有可能的object使用框標註,並寫上座標,最終是一個XML格式的檔案,一個訓練圖片對應Annotations下的一個同名的XML檔案

參考官方VOC的Annotations的格式:

<annotation>
    <folder>VOC2007</folder> #資料集資料夾
    <filename>000105.jpg</filename> #圖片的name
    <source> #註釋資訊,無所謂有無
        <database>The VOC2007 Database</database>
        <annotation>PASCAL VOC2007</annotation>
        <image>flickr</image>
        <flickrid>321862192</flickrid>
    </source>
    <owner> #註釋資訊,無所謂有無
        <flickrid>Eric T. Johnson</flickrid>
        <name>?</name>
    </owner>
    <size> #圖片大小
        <width>500</width>
        <height>333</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
    <object> #多少個框就有多少個object標籤
        <name>boat</name> #bounding box中的object的class name
        <pose>Frontal</pose>
        <truncated>1</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>22</xmin> #框的座標
            <ymin>1</ymin>
            <xmax>320</xmax>
            <ymax>314</ymax>
        </bndbox>
    </object>
    <object>
        <name>person</name>
        <pose>Frontal</pose>
        <truncated>1</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>202</xmin>
            <ymin>71</ymin>
            <xmax>295</xmax>
            <ymax>215</ymax>
        </bndbox>
    </object>
    <object>
        <name>person</name>
        <pose>Frontal</pose>
        <truncated>1</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>170</xmin>
            <ymin>107</ymin>
            <xmax>239</xmax>
            <ymax>206</ymax>
        </bndbox>
    </object>
</annotation>

這裡有一個非常好用的工具VOC框圖工具,可以自動幫你生成需要的XML格式,實際中發現格式基本無誤,只有小的地方需要改動下,大家對比下就知道怎麼改了,我是在linux下藉助sed修改的,這個不難

Imagesets/Main

因為VOC的資料集可以做很多的CV任務,比如Object detection, Semantic segementation, Edge detection等,所以Imageset下有幾個子資料夾(Layout, Main, Segementation),我們只要修改下Main下的檔案就可以了(train.txt, trainval.txt, val.txt, test.txt),裡面寫上你想要進行任務的圖片的編號

將上述你的資料集放在py-faster-rcnn/data/VOCdevkit2007/VOC2007下面,替換原始VOC2007的JPEGIMages,Imagesets,Annotations

程式碼修改

工程目錄介紹

  • caffe-fast-rcnn —> caffe框架

  • data —> 存放資料,以及讀取檔案的cache

  • experiments —>存放配置檔案以及執行的log檔案,配置檔案

  • lib —> python介面

  • models —> 三種模型, ZF(S)/VGG1024(M)/VGG16(L)

  • output —> 輸出的model存放的位置,不訓練此資料夾沒有

  • tools —> 訓練和測試的python檔案

修改原始檔

faster rcnn有兩種各種訓練方式:

  • Alternative training(alt-opt)

  • Approximate joint training(end-to-end)

推薦使用第二種,因為第二種使用的視訊記憶體更小,而且訓練會更快,同時準確率差不多,兩種方式需要修改的程式碼是不一樣的,同時faster rcnn提供了三種訓練模型,小型的ZFmodel,中型的VGG_CNN_M_1024和大型的VGG16,論文中說VGG16效果比其他兩個好,但是同時佔用更大的GPU視訊記憶體(~11GB)

我使用的是VGG model + alternative training,需要檢測的類別只有一類,加上背景所以總共是兩類(background + captcha)

1 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage1_fast_rcnn_train.pt

layer {  
  name: 'data'  
  type: 'Python'  
  top: 'data'  
  top: 'rois'  
  top: 'labels'  
  top: 'bbox_targets'  
  top: 'bbox_inside_weights'  
  top: 'bbox_outside_weights'  
  python_param {  
    module: 'roi_data_layer.layer'  
    layer: 'RoIDataLayer'  
    param_str: "'num_classes': 2" #按訓練集類別改,該值為類別數+1  
  }  
}  
layer {  
  name: "cls_score"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "cls_score"  
  param { 
  lr_mult: 1.0
  }  
  param {
  lr_mult: 2.0 
  }  
  inner_product_param {  
    num_output: 2 #按訓練集類別改,該值為類別數+1  
    weight_filler {  
      type: "gaussian"  
      std: 0.01  
    }  
    bias_filler {  
      type: "constant"  
      value: 0  
    }  
  }  
}  
layer {  
  name: "bbox_pred"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "bbox_pred"  
  param { 
  lr_mult: 1.0 
  }  
  param { 
  lr_mult: 2.0 
  }  
  inner_product_param {  
    num_output: 8 #按訓練集類別改,該值為(類別數+1)*4,四個頂點座標  
    weight_filler {  
      type: "gaussian"  
      std: 0.001  
    }  
    bias_filler {  
      type: "constant"  
      value: 0  
    }  
  }  
}  

2 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage1_rpn_train.pt

layer {  
  name: 'input-data'  
  type: 'Python'  
  top: 'data'  
  top: 'im_info'  
  top: 'gt_boxes'  
  python_param {  
    module: 'roi_data_layer.layer'  
    layer: 'RoIDataLayer'  
    param_str: "'num_classes': 2" #按訓練集類別改,該值為類別數+1  
  }  
}  

3 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage2_fast_rcnn_train.pt

layer {  
  name: 'data'  
  type: 'Python'  
  top: 'data'  
  top: 'rois'  
  top: 'labels'  
  top: 'bbox_targets'  
  top: 'bbox_inside_weights'  
  top: 'bbox_outside_weights'  
  python_param {  
    module: 'roi_data_layer.layer'  
    layer: 'RoIDataLayer'  
    param_str: "'num_classes': 2" #按訓練集類別改,該值為類別數+1  
  }  
}  
layer {  
  name: "cls_score"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "cls_score"  
  param { 
  lr_mult: 1.0 
  }  
  param { 
  lr_mult: 2.0 
  }  
  inner_product_param {  
    num_output: 2 #按訓練集類別改,該值為類別數+1  
    weight_filler {  
      type: "gaussian"  
      std: 0.01  
    }  
    bias_filler {  
      type: "constant"  
      value: 0  
    }  
  }  
}  
layer {  
  name: "bbox_pred"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "bbox_pred"  
  param { 
  lr_mult: 1.0
  }  
  param { 
  lr_mult: 2.0 
  }  
  inner_product_param {  
    num_output: 8 #按訓練集類別改,該值為(類別數+1)*4,四個頂點座標  
    weight_filler {  
      type: "gaussian"  
      std: 0.001  
    }  
    bias_filler {  
      type: "constant"  
      value: 0  
    }  
  }  
}  

4 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage2_rpn_train.pt

layer {  
  name: 'input-data'  
  type: 'Python'  
  top: 'data'  
  top: 'im_info'  
  top: 'gt_boxes'  
  python_param {  
    module: 'roi_data_layer.layer'  
    layer: 'RoIDataLayer'  
    param_str: "'num_classes': 2" #按訓練集類別改,該值為類別數+1  
  }  
}  

5 py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/faster_rcnn_test.pt

layer {  
  name: "cls_score"  
  type: "InnerProduct"  
  bottom: "fc7"  
  top: "cls_score"  
  inner_product_param {  
    num_output: 2 #按訓練集類別改,該值為類別數+1  
  }  
}  

6 py-faster-rcnn/lib/datasets/pascal_voc.py

class pascal_voc(imdb):  
    def __init__(self, image_set, year, devkit_path=None):  
        imdb.__init__(self, 'voc_' + year + '_' + image_set)  
        self._year = year  
        self._image_set = image_set  
        self._devkit_path = self._get_default_path() if devkit_path is None \  
                            else devkit_path  
        self._data_path = os.path.join(self._devkit_path, 'VOC' + self._year)  
        self._classes = ('__background__', # always index 0  
                         captcha' # 有幾個類別此處就寫幾個,我是兩個
                      )  

line 212

cls = self._class_to_ind[obj.find('name').text.lower().strip()]  

如果你的標籤含有大寫字母,可能會出現KeyError的錯誤,所以建議全部使用小寫字母

7 py-faster-rcnn/lib/datasets/imdb.py

將append_flipped_images函式改為如下形式:

def append_flipped_images(self):  
        num_images = self.num_images  
        widths = [PIL.Image.open(self.image_path_at(i)).size[0]  
                  for i in xrange(num_images)]  
        for i in xrange(num_images):  
            boxes = self.roidb[i]['boxes'].copy()  
            oldx1 = boxes[:, 0].copy()  
            oldx2 = boxes[:, 2].copy()  
            boxes[:, 0] = widths[i] - oldx2 - 1  
            print boxes[:, 0]  
            boxes[:, 2] = widths[i] - oldx1 - 1  
            print boxes[:, 0]  
            assert (boxes[:, 2] >= boxes[:, 0]).all()  
            entry = {'boxes' : boxes,  
                     'gt_overlaps' : self.roidb[i]['gt_overlaps'],  
                     'gt_classes' : self.roidb[i]['gt_classes'],  
                     'flipped' : True}  
            self.roidb.append(entry)  
        self._image_index = self._image_index * 2  

到此程式碼修改就搞定了

訓練

訓練前還需要注意幾個地方

1 cache問題

假如你之前訓練了官方的VOC2007的資料集或其他的資料集,是會產生cache的問題的,建議在重新訓練新的資料之前將其刪除

(1) py-faster-rcnn/output
(2) py-faster-rcnn/data/cache

2 訓練引數

py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage_fast_rcnn_solver*.pt

base_lr: 0.001
lr_policy: 'step'
step_size: 30000
display: 20
....

迭代次數在檔案py-faster-rcnn/tools/train_faster_rcnn_alt_opt.py中進行修改

line 80

max_iters = [80000, 40000, 80000, 40000]

分別對應rpn第1階段,fast rcnn第1階段,rpn第2階段,fast rcnn第2階段的迭代次數,自己修改即可,不過注意這裡的值不要小於上面的solver裡面的step_size的大小,大家自己修改吧

開始訓練:

cd py-faster-rcnn
./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG16 pascal_voc 

指明使用第一塊GPU(0),模型是VGG16,訓練資料是pascal_voc(voc2007),沒問題的話應該可以迭代訓練了

結果

訓練完畢,得到我們的訓練模型,我們就可以使用它來進行我們的object detection了,具體是:
1 將py-faster-rcnn/output/faster_rcnn_alt_opt/voc_2007_trainval/VGG16_faster_rcnn_final.caffemodel,拷貝到py-faster-rcnn/data/faster_rcnn_models

2 將你需要進行test的images放在py-faster-rcnn/data/demo

3 修改py-faster-rcnn/tools/demo.py檔案


CLASSES = ('_background_', 'captcha') #參考你自己的類別寫


NETS = {'vgg16': ('VGG16',
'VGG16_faster_rcnn_final.caffemodel'), #改成你訓練得到的model的name
'zf': ('ZF',
'ZF_faster_rcnn_final.caffemodel')
}

im_names = ['1559.jpg','1564.jpg']  # 改成自己的test image的name

上幾張我的檢測結果吧

1

2

3

參考