Faster R-CNN教程

最後更新日期：2016年4月29日

本教程主要基於python版本的faster R-CNN，因為python layer的使用，這個版本會比matlab的版本速度慢10%，但是準確率應該是差不多的。

目前已經實現的有兩種方式：

1. Alternative training
2. Approximate joint training

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，同時準確率差不多甚至略高一點。

Contents

1. 配置環境
2. 安裝步驟
3. Demo
4. 建立自己的資料集
5. 訓練和檢測

配置環境

1配置python layers

#In your Makefile.config, make sure to have this line uncommented
 

WITH_PYTHON_LAYER := 1
# Unrelatedly, it's also recommended that you use CUDNN
USE_CUDNN := 1

2安裝幾個依賴cython, python-opencv, easydict

sudo apt-get install python-opencv
sudo pip install cython easydict

安裝步驟

1克隆工程

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

2編譯Cython模組

cd $FRCN_ROOT
 
/lib
make

3編譯caffe和pycaffe

cd $FRCN_ROOT/caffe-fast-rcnn
# Now follow the Caffe installation instructions here:
#   http://caffe.berkeleyvision.org/installation.html

# If you're experienced with Caffe and have all of the requirements installed
# and your Makefile.config in place, then simply do:
make -j8 && make pycaffe
 

Demo

安裝步驟完成後，就可以執行一下demo了。

cd $FRCN_ROOT
./tools/demo.py

訓練自己的訓練集

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approximate joint 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。

建立資料集

接下來我們就要建立自己的資料集了，這部分主要在lib目錄裡操作。這裡下面存在3個目錄：

• datasets

在這裡修改讀寫資料的介面主要是datasets目錄下

• fast_rcnn

主要存放的是python的訓練和測試指令碼，以及訓練的配置檔案config.py

• nms

做非極大抑制的部分，有gpu和cpu兩種實現方式

• roi_data_layer

主要是一些ROI處理操作

• rpn

這就是RPN的核心程式碼部分，有生成proposals和anchor的方法

• transform

• utils

1構建自己的IMDB子類

1.1檔案概述
可有看到datasets目錄下主要有三個檔案，分別是

• factory.py
• imdb.py
• pascal_voc.py

factory.py 是個工廠類，用類生成imdb類並且返回資料庫共網路訓練和測試使用；imdb.py 這裡是資料庫讀寫類的基類，分裝了許多db的操作，但是具體的一些檔案讀寫需要繼承繼續讀寫；pascal_voc.py Ross在這裡用pascal_voc.py這個類來操作。

1.2讀取檔案函式分析
接下來我來介紹一下pasca_voc.py這個檔案，我們主要是基於這個檔案進行修改，裡面有幾個重要的函式需要修改

• def init(self, image_set, year, devkit_path=None)
  這個是初始化函式，它對應著的是pascal_voc的資料集訪問格式，其實我們將其介面修改的更簡單一點。
• def image_path_at(self, i)
  根據第i個影象樣本返回其對應的path，其呼叫了image_path_from_index(self, index)作為其具體實現
• def image_path_from_index(self, index)
  實現了 image_path的具體功能
• def _load_image_set_index(self)
  載入了樣本的list檔案
• def _get_default_path(self)
  獲得資料集地址
• def gt_roidb(self)
  讀取並返回ground_truth的db
• def selective_search_roidb
  讀取並返回ROI的db，這個是fast rcnn用的，faster版本的不用管這個函式。
• def _load_selective_search_roidb(self, gt_roidb)
  載入預選框的檔案
• def selective_search_IJCV_roidb(self)
  在這裡呼叫讀取Ground_truth和ROI db並將db合併
• def _load_selective_search_IJCV_roidb(self, gt_roidb)
  這裡是專門讀取作者在IJCV上用的dataset
• def **_load_pascal_annotation**(self, index)
  這個函式是讀取gt的具體實現
• def _write_voc_results_file(self, all_boxes)
  voc的檢測結果寫入到檔案
• def _do_matlab_eval(self, comp_id, output_dir='output')
  根據matlab的evluation介面來做結果的分析
• def evaluate_detections
  其呼叫了_do_matlab_eval
• def competition_mode
  設定competitoin_mode，加了一些噪點

1.3訓練資料格式

在我的檢測任務裡，我主要是在SED資料集上做行人檢測，因此我這裡只有background 和person 兩類物體，為了操作方便，我像pascal_voc資料集裡面一樣每個影象用一個xml來標註。如果大家不知道怎麼生成xml檔案，可以用這個工具 labelImg?

這裡我要特別提醒一下大家，一定要注意座標格式，一定要注意座標格式，一定要注意座標格式，重要的事情說三遍！！！要不然你會犯很多錯誤都會是因為座標不一致引起的報錯。

1.4修改讀取介面
這裡是原始的pascal_voc的init函式，在這裡，由於我們自己的資料集往往比voc的資料集要更簡單的一些，在作者程式碼裡面用了很多的路徑拼接，我們不用去迎合他的格式，將這些操作簡單化即可，在這裡我會一一列舉每個我修改過的函式。這裡按照檔案中的順序排列。

修改後的初始化函式：

class hs(imdb):
    def__init__(self, image_set, devkit_path=None):  # modified
        imdb.__init__(self, image_set)
        self._image_set = image_set
        self._devkit_path =  devkit_path   #datasets路徑
        self._data_path = os.path.join(self._devkit_path,image_set)   #圖片資料夾路徑
        self._classes = ('__background__', # always index 0
                         'person')   #two classes
        self._class_to_ind = dict(zip(self.classes, xrange(self.num_classes))) # form the dict{'__background__':'0','person':'1'}
        self._image_ext = '.jpg'
        self._image_index = self._load_image_set_index('ImageList.txt')
        # Default to roidb handler
        self._roidb_handler = self.selective_search_roidb
        self._salt = str(uuid.uuid4())
        self._comp_id = 'comp4'

        # PASCAL specific config options
        self.config = {'cleanup'     : True,
                       'use_salt'    : True,
                       'use_diff'    : False,
                       'matlab_eval' : False,
                       'rpn_file'    : None,
                       'min_size'    : 16}  #小於16個畫素的框扔掉

        assert os.path.exists(self._devkit_path), \
                'VOCdevkit path does not exist: {}'.format(self._devkit_path)
        assert os.path.exists(self._data_path), \
                'Path does not exist: {}'.format(self._data_path)

修改後的image_path_from_index：

def image_path_from_index(self, index): #modified
    """    Construct an image path from the image's "index" identifier.    """
    image_path = os.path.join(self._data_path,index +'.jpg')
    assert os.path.exists(image_path), \
            'Path does not exist: {}'.format(image_path)
    return image_path

修改後的_load_image_set_index：

def _load_image_set_index(self,imagelist): # modified
    """    Load the indexes listed in this dataset's image set file.    """
    # Example path to image set file:
    # self._devkit_path + /VOCdevkit2007/VOC2007/ImageSets/Main/val.txt
    image_set_file = os.path.join(self._devkit_path, imagelist)
    assert os.path.exists(image_set_file), \
            'Path does not exist: {}'.format(image_set_file)
    with open(image_set_file) as f:
        image_index = [x.strip() for x in f.readlines()]
    return image_index

gt_roidb(self):

這個函式裡有個生成ground truth的檔案，我需要特別說明一下，如果你再次訓練的時候修改了資料庫，比如新增或者刪除了一些樣本，但是你的資料庫名字函式原來那個，必須要在data/cache/目錄下把資料庫的快取檔案.pkl給刪除掉，否則其不會重新讀取相應的資料庫，而是直接從之前讀入然後快取的pkl檔案中讀取進來，這樣修改的資料庫並沒有進入網路，而是載入了老版本的資料。

修改的_load_pascal_annotation(self, index):

def _load_pascal_annotation(self, index):    #modified
    """    Load image and bounding boxes info from XML file in the PASCAL VOC    format.    """
    filename = os.path.join(self._devkit_path, 'Annotations', index + '.xml')
    tree = ET.parse(filename)
    objs = tree.findall('object')
    if not self.config['use_diff']:
        # Exclude the samples labeled as difficult
        non_diff_objs = [
            obj for obj in objs if int(obj.find('difficult').text) == 0]
        # if len(non_diff_objs) != len(objs):
        #     print 'Removed {} difficult objects'.format(
        #         len(objs) - len(non_diff_objs))
        objs = non_diff_objs
    num_objs = len(objs)

    boxes = np.zeros((num_objs, 4), dtype=np.uint16)
    gt_classes = np.zeros((num_objs), dtype=np.int32)
    overlaps = np.zeros((num_objs, self.num_classes), dtype=np.float32)
    # "Seg" area for pascal is just the box area
    seg_areas = np.zeros((num_objs), dtype=np.float32)

    # Load object bounding boxes into a data frame.
    for ix, obj in enumerate(objs):
        bbox = obj.find('bndbox')
        # Make pixel indexes 0-based
        x1 = float(bbox.find('xmin').text)
        y1 = float(bbox.find('ymin').text)
        x2 = float(bbox.find('xmax').text)
        y2 = float(bbox.find('ymax').text)
        cls = self._class_to_ind[obj.find('name').text.lower().strip()]
        boxes[ix, :] = [x1, y1, x2, y2]
        gt_classes[ix] = cls
        overlaps[ix, cls] = 1.0
        seg_areas[ix] = (x2 - x1 + 1) * (y2 - y1 + 1)

    overlaps = scipy.sparse.csr_matrix(overlaps)

    return {'boxes' : boxes,
            'gt_classes': gt_classes,
            'gt_overlaps' : overlaps,
            'flipped' : False,
            'seg_areas' : seg_areas}

因為我和Pascal用了一樣的xml格式，所以這個函式我的改動不多。如果你想用txt檔案儲存ground truth，做出相應的修改即可。

座標的順序強調一下，要左上右下，並且x1必須要小於x2，這個是基本，反了會在座標水平變換的時候會出錯，座標從0開始，如果已經是0，則不需要再-1。如果怕出錯，可以直接把出界的的直接置0.

記得在最後的main下面也修改相應的路徑

from datasets.hs import hs
d = hs('hs', '/home/zyy/workspace/wangml/py-faster-rcnn/lib/datasets/')
res = d.roidb
from IPython import embed; embed()

OK，在這裡我們已經完成了整個的讀取介面的改寫。

2修改factory.py
當網路訓練時會呼叫factory裡面的get方法獲得相應的imdb，
首先在檔案頭import 把pascal_voc改成hs

# --------------------------------------------------------
# Fast R-CNN
# Copyright (c) 2015 Microsoft
# Licensed under The MIT License [see LICENSE for details]
# Written by Ross Girshick
# --------------------------------------------------------

"""Factory method for easily getting imdbs by name."""

__sets = {}

from datasets.hs import hs
import numpy as np

# # Set up voc_<year>_<split> using selective search "fast" mode
# for year in ['2007', '2012']:
#     for split in ['train', 'val', 'trainval', 'test']:
#         name = 'voc_{}_{}'.format(year, split)
#         __sets[name] = (lambda split=split, year=year: pascal_voc(split, year))
#
# # Set up coco_2014_<split>
# for year in ['2014']:
#     for split in ['train', 'val', 'minival', 'valminusminival']:
#         name = 'coco_{}_{}'.format(year, split)
#         __sets[name] = (lambda split=split, year=year: coco(split, year))
#
# # Set up coco_2015_<split>
# for year in ['2015']:
#     for split in ['test', 'test-dev']:
#         name = 'coco_{}_{}'.format(year, split)
#         __sets[name] = (lambda split=split, year=year: coco(split, year))

name = 'hs'
devkit = '/home/zyy/workspace/wangml/py-faster-rcnn/lib/datasets/'
__sets['hs'] = (lambda name = name,devkit = devkit: hs(name,devkit))

def get_imdb(name):
    """Get an imdb (image database) by name."""
    if not __sets.has_key(name):
        raise KeyError('Unknown dataset: {}'.format(name))
    return __sets[name]()

def list_imdbs():
    """List all registered imdbs."""
    return __sets.keys()

訓練和檢測

1.預訓練模型介紹
首先在data目錄下，有兩個目錄

• faster_rcnn_models/

• imagenet_models/

faster_rcnn_model資料夾下面是作者用faster rcnn訓練好的三個網路,分別對應著小、中、大型網路，大家可以試用一下這幾個網路，看一些檢測效果，他們訓練都迭代了80000次，資料集都是pascal_voc的資料集。

imagenet_model資料夾下面是在Imagenet上訓練好的通用模型，在這裡用來初始化網路的引數.

在這裡我比較推薦先用中型網路訓練，中型網路訓練和檢測的速度都比較快，效果也都比較理想，大型網路的話訓練速度比較慢，中型網路訓練大概半天，大型網路的話用25個小時。

2.修改模型檔案配置
模型檔案在models下面對應的網路資料夾下，在這裡我用中型網路的配置檔案修改為例子
比如：我的檢測目標物是person ，那麼我的類別就有兩個類別即 background 和 person
因此，首先開啟網路的模型資料夾，開啟train.prototxt
修改的地方重要有三個
分別是個地方

1. 首先在data層把num_classes 從原來的21類 20類+背景 ，改成 2類 人+背景
2. 接在在cls_score層把num_output 從原來的21 改成 2
3. 在bbox_pred層把num_output 從原來的84 改成8， 為檢測類別個數乘以4，比如這裡是2類那就是2*4=8

OK，如果你要進一步修改網路訓練中的學習速率，步長，gamma值，以及輸出模型的名字，需要在同目錄下的solver.prototxt中修改。

3.啟動Fast RCNN網路訓練

python ./tools/train_net.py --gpu 1 --solver models/hs/faster_rcnn_end2end/solver.prototxt --weights data/imagenet_models/VGG_CNN_M_1024.v2.caffemodel --imdb hs --iters 80000 --cfg experiments/cfgs/faster_rcnn_end2end.yml

引數講解：

• 這裡的–是兩個-，不要輸錯

• train_net.py是網路的訓練檔案，之後的引數都是附帶的輸入引數

• --gpu 代表機器上的GPU編號，如果是nvidia系列的tesla顯示卡，可以在終端中輸入nvidia-smi來檢視當前的顯示卡負荷，選擇合適的顯示卡

• --solver 代表模型的配置檔案，train.prototxt的檔案路徑已經包含在這個檔案之中

• --weights 代表初始化的權重檔案，這裡用的是Imagenet上預訓練好的模型，中型的網路我們選擇用VGG_CNN_M_1024.v2.caffemodel

• --imdb 這裡給出的訓練的資料庫名字需要在factory.py的_sets中，我在檔案裡面有_sets[‘hs’]，train_net.py這個檔案會呼叫factory.py再生成hs這個類，來讀取資料

4.啟動Fast RCNN網路檢測
可以參考tools下面的demo.py 檔案，來做檢測，並且將檢測的座標結果輸出到相應的txt檔案中。

最後

鑑於之前我用的版本是15年11月的版本，有些小夥伴在使用此教程時會有一些錯誤，所以我重新做了部分修訂，目前能夠在2016年4月29日版本的版本上成功執行，如果有問題，隨時聯絡我。