Fast RCNN訓練自己的資料集 （2修改讀寫介面）

這裡樓主講解了如何修改Fast RCNN訓練自己的資料集，首先請確保你已經安裝好了Fast RCNN的環境，具體的編配編制操作請參考我的上一篇文章。首先可以看到fast rcnn的工程目錄下有個Lib目錄
這裡下面存在3個目錄分別是：

• datasets
• fast_rcnn
• roi_data_layer
• utils

在這裡修改讀寫資料的介面主要是datasets目錄下，fast_rcnn下面主要存放的是python的訓練和測試指令碼，以及訓練的配置檔案，roi_data_layer下面存放的主要是一些ROI處理操作,utils下面存放的是一些通用操作比如非極大值nms，以及計算bounding box的重疊率等常用功能

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 學過設計模式的應該知道這是個工廠類，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
• 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訓練資料集格式

在我的檢測任務裡，我主要是從道路卡口資料中檢測車，因此我這裡只有background 和car兩類物體，為了操作方便，我不像pascal_voc資料集裡面一樣每個影象用一個xml來標註多類，先說一下我的資料格式

這裡是所有樣本的影象列表

我的GroundTruth資料的格式，第一個為影象路徑，之後1代表目標物的個數， 後面的座標代表左上右下的座標，座標的位置從1開始

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！！！，要不然你會範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，在作者額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。
原始初始化函式：

def __init__(self, image_set, year, devkit_path=None):
    datasets.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
                     'aeroplane', 'bicycle', 'bird', 'boat',
                     'bottle', 'bus', 'car', 'cat', 'chair',
                     'cow', 'diningtable', 'dog', 'horse',
                     'motorbike', 'person', 'pottedplant',
                     'sheep', 'sofa', 'train', 'tvmonitor')
    self._class_to_ind = dict(zip(self.classes, xrange(self.num_classes)))
    self._image_ext = '.jpg'
    self._image_index = self._load_image_set_index()
    # Default to roidb handler
    self._roidb_handler = self.selective_search_roidb

    # PASCAL specific config options
    self.config = {'cleanup'  : True,
                   'use_salt' : True,
                   'top_k'    : 2000}

    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)

修改後的初始化函式：

 def __init__(self, image_set, devkit_path=None):
    datasets.imdb.__init__(self, image_set)#imageset 為train  test
    self._image_set = image_set
    self._devkit_path = devkit_path
    self._data_path = os.path.join(self._devkit_path)
    self._classes = ('__background__','car')#包含的類
    self._class_to_ind = dict(zip(self.classes, xrange(self.num_classes)))#構成字典{'__background__':'0','car':'1'}
    self._image_index = self._load_image_set_index('ImageList_Version_S_AddData.txt')#新增檔案列表
    # Default to roidb handler
    self._roidb_handler = self.selective_search_roidb
    # PASCAL specific config options
    self.config = {'cleanup'  : True,
                   'use_salt' : True,
                   'top_k'    : 2000}
    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)

原始的image_path_from_index：

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

修改後的image_path_from_index：

 def image_path_from_index(self, index):#根據_image_index獲取影象路徑
    """
    Construct an image path from the image's "index" identifier.
    """
    image_path = os.path.join(self._data_path, index)
    assert os.path.exists(image_path), \
            'Path does not exist: {}'.format(image_path)
    return image_path

原始的 _load_image_set_index：

 def _load_image_set_index(self):
    """
    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._data_path, 'ImageSets', 'Main',
                                  self._image_set + '.txt')
    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

修改後的 _load_image_set_index：

def _load_image_set_index(self, imagelist):#已經修改
    """
    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
    #/home/chenjie/KakouTrainForFRCNN_1/DataSet/KakouTrainFRCNN_ImageList.txt
    image_set_file = os.path.join(self._data_path, imagelist)# load ImageList that only contain ImageFileName
    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

函式 _get_default_path，我直接刪除了

原始的gt_roidb:

def gt_roidb(self):
    """
    Return the database of ground-truth regions of interest.

    This function loads/saves from/to a cache file to speed up future calls.
    """
    cache_file = os.path.join(self.cache_path, self.name + '_gt_roidb.pkl')
    if os.path.exists(cache_file):
        with open(cache_file, 'rb') as fid:
            roidb = cPickle.load(fid)
        print '{} gt roidb loaded from {}'.format(self.name, cache_file)
        return roidb

    gt_roidb = [self._load_pascal_annotation(index)
                for index in self.image_index]
    with open(cache_file, 'wb') as fid:
        cPickle.dump(gt_roidb, fid, cPickle.HIGHEST_PROTOCOL)
    print 'wrote gt roidb to {}'.format(cache_file)

    return gt_roidb

修改後的gt_roidb:

def gt_roidb(self):
    """
    Return the database of ground-truth regions of interest.

    This function loads/saves from/to a cache file to speed up future calls.
    """
    cache_file = os.path.join(self.cache_path, self.name + '_gt_roidb.pkl')
    if os.path.exists(cache_file):#若存在cache file則直接從cache file中讀取
        with open(cache_file, 'rb') as fid:
            roidb = cPickle.load(fid)
        print '{} gt roidb loaded from {}'.format(self.name, cache_file)
        return roidb

    gt_roidb = self._load_annotation()  #已經修改，直接讀入整個GT檔案
    with open(cache_file, 'wb') as fid:
        cPickle.dump(gt_roidb, fid, cPickle.HIGHEST_PROTOCOL)
    print 'wrote gt roidb to {}'.format(cache_file)

    return gt_roidb

原始的selective_search_roidb(self)：

def selective_search_roidb(self):
    """
    Return the database of selective search regions of interest.
    Ground-truth ROIs are also included.

    This function loads/saves from/to a cache file to speed up future calls.
    """
    cache_file = os.path.join(self.cache_path,
                              self.name + '_selective_search_roidb.pkl')

    if os.path.exists(cache_file):
        with open(cache_file, 'rb') as fid:
            roidb = cPickle.load(fid)
        print '{} ss roidb loaded from {}'.format(self.name, cache_file)
        return roidb

    if int(self._year) == 2007 or self._image_set != 'test':
        gt_roidb = self.gt_roidb()
        ss_roidb = self._load_selective_search_roidb(gt_roidb)
        roidb = datasets.imdb.merge_roidbs(gt_roidb, ss_roidb)
    else:
        roidb = self._load_selective_search_roidb(None)
    with open(cache_file, 'wb') as fid:
        cPickle.dump(roidb, fid, cPickle.HIGHEST_PROTOCOL)
    print 'wrote ss roidb to {}'.format(cache_file)

    return roidb

修改後的selective_search_roidb(self)：
這裡有個pkl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，比如我這裡訓練的資料庫叫KakouTrain，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。

def selective_search_roidb(self):#已經修改
    """
    Return the database of selective search regions of interest.
    Ground-truth ROIs are also included.

    This function loads/saves from/to a cache file to speed up future calls.
    """
    cache_file = os.path.join(self.cache_path,self.name + '_selective_search_roidb.pkl')

    if os.path.exists(cache_file): #若存在cache_file則讀取相對應的.pkl檔案
        with open(cache_file, 'rb') as fid:
            roidb = cPickle.load(fid)
        print '{} ss roidb loaded from {}'.format(self.name, cache_file)
        return roidb
    if self._image_set !='KakouTest':
        gt_roidb = self.gt_roidb()
        ss_roidb = self._load_selective_search_roidb(gt_roidb)
        roidb = datasets.imdb.merge_roidbs(gt_roidb, ss_roidb)
    else:
        roidb = self._load_selective_search_roidb(None)
    with open(cache_file, 'wb') as fid:
        cPickle.dump(roidb, fid, cPickle.HIGHEST_PROTOCOL)
    print 'wrote ss roidb to {}'.format(cache_file)

    return roidb

原始的_load_selective_search_roidb(self, gt_roidb):

 def _load_selective_search_roidb(self, gt_roidb):
    filename = os.path.abspath(os.path.join(self.cache_path, '..',
                                            'selective_search_data',
                                            self.name + '.mat'))
    assert os.path.exists(filename), \
           'Selective search data not found at: {}'.format(filename)
    raw_data = sio.loadmat(filename)['boxes'].ravel()

    box_list = []
    for i in xrange(raw_data.shape[0]):
        box_list.append(raw_data[i][:, (1, 0, 3, 2)] - 1)

    return self.create_roidb_from_box_list(box_list, gt_roidb)

修改後的_load_selective_search_roidb(self, gt_roidb):
這裡原作者用的是Selective_search，但是我用的是EdgeBox的方法來提取Mat，我沒有修改函式名，只是把輸入的Mat檔案給替換了，Edgebox實際的效果比selective_search要好，速度也要更快，具體的EdgeBox程式碼大家可以在Ross的tutorial中看到地址。
注意，這裡非常關鍵！！！！！，由於Selective_Search中的OP返回的座標順序需要調整，並不是左上右下的順序，可以看到在下面box_list.append()中有一個（1,0,3,2）的操作，不管你用哪種OP方法，輸入的座標都應該是x1 y1 x2 y2，不要弄成w h 那種格式，也不要調換順序。座標-1，預設座標從0開始，樓主提醒各位，一定要非常注意座標順序，大小，邊界，格式問題，否則你會被錯誤折騰死的！！！

def _load_selective_search_roidb(self, gt_roidb):#已經修改
    #filename = os.path.abspath(os.path.join(self.cache_path, '..','selective_search_data',self.name + '.mat'))
    filename = os.path.join(self._data_path, 'EdgeBox_Version_S_AddData.mat')#這裡輸入相對應的預選框檔案路徑
    assert os.path.exists(filename), \
           'Selective search data not found at: {}'.format(filename)
    raw_data = sio.loadmat(filename)['boxes'].ravel()

    box_list = []
    for i in xrange(raw_data.shape[0]):
        #box_list.append(raw_data[i][:,(1, 0, 3, 2)] - 1)#原來的Psacalvoc調換了列，我這裡box的順序是x1 ,y1,x2,y2 由EdgeBox格式為x1,y1,w,h經過修改
        box_list.append(raw_data[i][:,:] -1)

    return self.create_roidb_from_box_list(box_list, gt_roidb)

原始的_load_selective_search_IJCV_roidb，我沒用這個資料集，因此不修改這個函式

原始的_load_pascal_annotation(self, index)：

def _load_pascal_annotation(self, index):
    """
    Load image and bounding boxes info from XML file in the PASCAL VOC
    format.
    """
    filename = os.path.join(self._data_path, 'Annotations', index + '.xml')
    # print 'Loading: {}'.format(filename)
    def get_data_from_tag(node, tag):
        return node.getElementsByTagName(tag)[0].childNodes[0].data

    with open(filename) as f:
        data = minidom.parseString(f.read())

    objs = data.getElementsByTagName('object')
    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)

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

    overlaps = scipy.sparse.csr_matrix(overlaps)

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

修改後的_load_pascal_annotation(self, index)：

def _load_annotation(self):
    """
    Load image and bounding boxes info from annotation
    format.
    """
    #，此函式作用讀入GT檔案，我的檔案的格式 CarTrainingDataForFRCNN_1\Images\2015011100035366101A000131.jpg 1 147 65 443 361 
    gt_roidb = []
    annotationfile = os.path.join(self._data_path, 'ImageList_Version_S_GT_AddData.txt')
    f = open(annotationfile)
    split_line = f.readline().strip().split()
    num = 1
    while(split_line):
        num_objs = int(split_line[1])
        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)
        for i in range(num_objs):
            x1 = float( split_line[2 + i * 4])
            y1 = float (split_line[3 + i * 4])
            x2 = float (split_line[4 + i * 4])
            y2 = float (split_line[5 + i * 4])
            cls = self._class_to_ind['car']
            boxes[i,:] = [x1, y1, x2, y2]
            gt_classes[i] = cls
            overlaps[i,cls] = 1.0

        overlaps = scipy.sparse.csr_matrix(overlaps)
        gt_roidb.append({'boxes' : boxes, 'gt_classes': gt_classes, 'gt_overlaps' : overlaps, 'flipped' : False})
        split_line = f.readline().strip().split()

    f.close()
    return gt_roidb

之後的這幾個函式我都沒有修改，檢測結果，我是修改了demo.py這個檔案，直接生成txt檔案，然後用python opencv直接視覺化，沒有用著裡面的介面，感覺太麻煩了，先怎麼方便怎麼來

• _write_voc_results_file(self, all_boxes)
• _do_matlab_eval(self, comp_id, output_dir='output')
• evaluate_detections(self, all_boxes, output_dir)
• competition_mode(self, on)

記得在最後的__main__下面也修改相應的路徑
d = datasets.pascal_voc('trainval', '2007')
改成
d = datasets.kakou('KakouTrain', '/home/chenjie/KakouTrainForFRCNN_1')

並且同時在檔案的開頭import 裡面也做修改
import datasets.pascal_voc
改成
import datasets.kakou

OK，在這裡我們已經完成了整個的讀取介面的改寫，主要是將GT和預選框Mat檔案讀取並返回

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kakou
在這個檔案作者生成了多個數據庫的路徑，我們自己資料庫只要給定根路徑即可，修改主要有以下4個

• 因此將裡面的def _selective_search_IJCV_top_k函式整個註釋掉
• 函式之後有兩個多級的for迴圈，也將其註釋
• 直接定義imageset和devkit
• 修改get_imdb函式

原始的factory.py：

__sets = {}

import datasets.pascal_voc
import numpy as np

def _selective_search_IJCV_top_k(split, year, top_k):
    """Return an imdb that uses the top k proposals from the selective search
    IJCV code.
    """
    imdb = datasets.pascal_voc(split, year)
    imdb.roidb_handler = imdb.selective_search_IJCV_roidb
    imdb.config['top_k'] = top_k
    return imdb

# 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:
                datasets.pascal_voc(split, year))

# Set up voc_<year>_<split>_top_<k> using selective search "quality" mode
# but only returning the first k boxes
for top_k in np.arange(1000, 11000, 1000):
    for year in ['2007', '2012']:
        for split in ['train', 'val', 'trainval', 'test']:
            name = 'voc_{}_{}_top_{:d}'.format(year, split, top_k)
            __sets[name] = (lambda split=split, year=year, top_k=top_k:
                    _selective_search_IJCV_top_k(split, year, top_k))

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()

修改後的factory.py

#import datasets.pascal_voc
import datasets.kakou
import numpy as np

__sets = {}
imageset = 'KakouTrain'
devkit = '/home/chenjie/DataSet/CarTrainingDataForFRCNN_1/Images_Version_S_AddData'
#def _selective_search_IJCV_top_k(split, year, top_k):
#    """Return an imdb that uses the top k proposals from the selective search
#    IJCV code.
#    """
#    imdb = datasets.pascal_voc(split, year)
#    imdb.roidb_handler = imdb.selective_search_IJCV_roidb
#    imdb.config['top_k'] = top_k
#    return imdb

### 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:
##                datasets.pascal_voc(split, year))

# Set up voc_<year>_<split>_top_<k> using selective search "quality" mode
# but only returning the first k boxes
##for top_k in np.arange(1000, 11000, 1000):
##    for year in ['2007', '2012']:
##        for split in ['train', 'val', 'trainval', 'test']:
##            name = 'voc_{}_{}_top_{:d}'.format(year, split, top_k)
##            __sets[name] = (lambda split=split, year=year, top_k=top_k:
##                    _selective_search_IJCV_top_k(split, year, top_k))


def get_imdb(name):
    """Get an imdb (image database) by name."""
    __sets['KakouTrain'] = (lambda imageset = imageset, devkit = devkit: datasets.kakou(imageset,devkit))
    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()

3.修改 __init__.py
在行首新增上 from .kakou import kakou

總結

在這裡終於改完了讀取介面的所有內容，主要步驟是

1. 複製pascal_voc，改名字，修改GroundTruth和OP預選框的讀取方式
2. 修改factory.py，修改資料庫路徑和獲得方式
3. __init__.py新增上改完的py檔案

下面列出一些需要注意的地方

1. 讀取方式怎麼方便怎麼來，並不一定要按照裡面xml的格式，因為大家自己應用到工程中去往往不會是非常多的類別，單個物件的直接用txt就可以
2. 座標的順序我再說一次，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
3. GT的路徑最好用相對，別用絕對，然後路徑拼接的時候要注意，然後如果是txt是windows下生成的，注意斜槓的方向和編碼的格式，中文路徑編碼必須用UTF-8無BOM格式，不能用windows自帶的記事本直接換一種編碼儲存，相關資料集的編碼問題參見我的另一篇文章，linux傳輸亂碼
4. 關於Mat檔案，在訓練時是將所有影象的OP都合在了一起，是一個很大的Mat檔案，注意其中影象list的順序千萬不能錯，並且座標格式要修改為x1 y1 x2 y2，每種OP生成的座標順序要小心，從0開始還是從1開始也要小心
5. 訓練影象的大小不要太大，否則生成的OP也會太多，速度太慢，影象樣本大小最好調整到500，600左右，然後再提取OP
6. 如果讀取並生成pkl檔案之後，實際資料內容或者順序還有問題，記得要把data/cache/下面的pkl檔案給刪掉

關於下部訓練和檢測網路，我將在下一篇文章中說明