一、 Faster-RCNN代码解释
先看看代码结构:
Data:
This directory holds (after you download them):
- Caffe models pre-trained on ImageNet
- Faster R-CNN models
- Symlinks to datasets
- demo 5张图片
- scripts 下载模型的脚本
Experiments:
- logs
- scripts/faster_rcnn_alt_opt.sh
- cfgs/faster_rcnn_alt_opt.yml
存放配置文件以及运行的log文件,另外这个目录下有scripts可以用end2end或者alt_opt两种方式训练。
Lib
用来存放一些python接口文件,如其下的datasets主要负责数据库读取,config负责cnn一些训练的配置选项。
lib/rpn
这就是RPN的核心代码部分,有生成proposals和anchor的方法
generate_anchors.py
生成多尺度和多比例的锚点。这里由generate_anthors函数主要完成,可以看到,使用了 3 个尺度( 128, 256,
and 512)以及 3 个比例(1:1,1:2,2:1)。一个锚点由w, h, x_ctr, y_ctr固定,也就是宽、高、x center和y center固定。
proposal_layer.py
这个函数是用来将RPN的输出转变为object
proposals的。作者新增了ProposalLayer类,这个类中,重新了set_up和forward函数,其中forward实现了:生成锚点box、对于每个锚点提供box的参数细节、将预测框切成图像、删除宽、高小于阈值的框、将所有的(proposal, score) 对排序、获取 pre_nms_topN proposals、获取NMS 、获取 after_nms_topN proposals。(注:NMS,nonmaximum suppression,非极大值抑制)
anchor_target_layer.py
生成每个锚点的训练目标和标签,将其分类为1
(object), 0 (not object) , -1 (ignore).当label>0,也就是有object时,将会进行box的回归。其中,forward函数功能:在每一个cell中,生成9个锚点,提供这9个锚点的细节信息,过滤掉超过图像的锚点,测量同GT的overlap。
proposal_target_layer.py
对于每一个object proposal 生成训练的目标和标签,分类标签从0-k,对于标签>0的box进行回归。(注意,同anchor_target_layer.py不同,两者一个是生成anchor,一个是生成proposal)
generate.py
使用一个rpn生成object proposals。
lib/nms文件夹
做非极大抑制的部分,有gpu和cpu两种实现方式
py_cpu_nms.py
核心函数
lib/datasets文件夹
在这里修改读写数据的接口主要是datasets目录下
(1)factory.py
(2)imdb.py
(3)pascal_voc.py
(4)voc_eval.py
lib/fast_rcnn文件夹
主要存放的是python的训练和测试脚本,以及训练的配置文件config.py
(1)config.py
(2)nms_wrapper.py
(3)test.py
(4)train.py
lib/roi_data_layer文件夹
主要是一些ROI处理操作
(1)layer.py
(2)minibatch.py
(3)roidb.py
lib/utils文件夹
(1)blob.py
(2)timer.py
lib/transform文件夹
Models
里面存放了三个模型文件,小型网络的ZF,大型网络VGG16,中型网络VGG_CNN_M_1024。推荐使用VGG16,如果使用端到端的approximate joint training方法,开启CuDNN,只需要3G的显存即可。(1)fast_rcnn_test.pt
(2)rpn_test.pt
(3)stage1_rpn_train.pt
(4)stage1_fast_rcnn_train.pt
(5)stage2_rpn_train.pt
(6)stage2_fast_rcnn_train.pt
Tools
里面存放的是训练和测试的Python文件。
_init_paths.py
用来初始化路径的,也就是之后的路径会join(path,*)
compress_net.py
用来压缩参数的,使用了SVD来进行压缩,这里可以发现,作者对于fc6层和fc7层进行了压缩,也就是两个全连接层。
demo.py
通常,我们会直接调用这个函数,如果要测试自己的模型和数据,这里需要修改。这里调用了fast_rcnn中的test、config、nums_wrapper函数。vis_detections用来做检测,parse_args用来进行参数设置,以及damo和主函数。
eval_recall.py
评估函数
reval.py
re-evaluate,这里调用了fast_rcnn以及dataset中的函数。其中,from_mats函数和from_dets函数分别loadmat文件和pkl文件。
rpn_genetate.py
这个函数调用了rpn中的genetate函数,之后我们会对rpn层做具体的介绍。这里,主要是一个封装调用的过程,我们在这里调用配置的参数、设置rpn的test参数,以及输入输出等操作。
test_net.py
测试fast rcnn网络。主要就是一些参数配置。
train_faster_rcnn_alt_opt.py
训练faster rcnn网络使用交替的训练,这里就是根据faster rcnn文章中的具体实现。可以在主函数中看到,其包括的步骤为:
RPN 1,使用imagenet model进行初始化参数,生成proposal,这里存储在mp_kwargs
fast rcnn 1,使用 imagenet model 进行初始化参数,使用刚刚生成的proposal进行fast rcnn的训练
RPN 2使用 fast rcnn 中的参数进行初始化(这里要注意哦),并生成proposal
fast rcnn 2,使用RPN 2 中的 model进行初始化参数,
train_net.py
使用fast rcnn,训练自己数据集的网络模型。
train_svms.py
使用最原始的RCNN网络训练post-hoc SVMs。
Outputs
这里存放的是训练完成后的输出目录,默认会在faster_rcnn_end2end文件夹下。
我们对照官方的代码分析一下工作流程:
主程序是root/py-faster-rcnn/tools/demo.py
#!/usr/bin/env python # -------------------------------------------------------- # Faster R-CNN # Copyright (c) 2015 Microsoft # Licensed under The MIT License [see LICENSE for details] # Written by Ross Girshick # -------------------------------------------------------- """ Demo script showing detections in sample images. See README.md for installation instructions before running. """ import _init_paths ##把root/py-faster-rcnn/lib文件的路径添加到系统和 ##root/py-faster-rcnn/caffe-fast-rcnn/python文件路径添加系统 from fast_rcnn.config import cfg ##导入config配置文件,配置文件里面以easydict形式来 ##添加参数,分为三个部分(train,test,misc) ##比如添加阈值,设定图片大小,是否开启RPN from fast_rcnn.test import im_detect ##对图片进行resize,换成blobs,返回scores和boxes from fast_rcnn.nms_wrapper import nms from utils.timer import Timer import matplotlib.pyplot as plt import numpy as np import scipy.io as sio import caffe, os, sys, cv2 import argparse CLASSES = (‘__background__‘, ‘aeroplane‘, ‘bicycle‘, ‘bird‘, ‘boat‘, ‘bottle‘, ‘bus‘, ‘car‘, ‘cat‘, ‘chair‘, ‘cow‘, ‘diningtable‘, ‘dog‘, ‘horse‘, ‘motorbike‘, ‘person‘, ‘pottedplant‘, ‘sheep‘, ‘sofa‘, ‘train‘, ‘tvmonitor‘) NETS = {‘vgg16‘: (‘VGG16‘, ‘VGG16_faster_rcnn_final.caffemodel‘), ‘zf‘: (‘ZF‘, ‘ZF_faster_rcnn_final.caffemodel‘)} def vis_detections(im, class_name, dets, thresh=0.5): """Draw detected bounding boxes.""" inds = np.where(dets[:, -1] >= thresh)[0] if len(inds) == 0: return im = im[:, :, (2, 1, 0)] fig, ax = plt.subplots(figsize=(12, 12)) ax.imshow(im, aspect=‘equal‘) for i in inds: bbox = dets[i, :4] score = dets[i, -1] ax.add_patch( plt.Rectangle((bbox[0], bbox[1]), bbox[2] - bbox[0], bbox[3] - bbox[1], fill=False, edgecolor=‘red‘, linewidth=3.5) ) ax.text(bbox[0], bbox[1] - 2, ‘{:s} {:.3f}‘.format(class_name, score), bbox=dict(facecolor=‘blue‘, alpha=0.5), fontsize=14, color=‘white‘) ax.set_title((‘{} detections with ‘ ‘p({} | box) >= {:.1f}‘).format(class_name, class_name, thresh), fontsize=14) plt.axis(‘off‘) plt.tight_layout() plt.draw() def demo(net, image_name): """Detect object classes in an image using pre-computed object proposals.""" # Load the demo image im_file = os.path.join(cfg.DATA_DIR, ‘demo‘, image_name) im = cv2.imread(im_file) # Detect all object classes and regress object bounds timer = Timer() timer.tic() scores, boxes = im_detect(net, im) timer.toc() print (‘Detection took {:.3f}s for ‘ ‘{:d} object proposals‘).format(timer.total_time, boxes.shape[0]) # Visualize detections for each class CONF_THRESH = 0.8 NMS_THRESH = 0.3 for cls_ind, cls in enumerate(CLASSES[1:]): cls_ind += 1 # because we skipped background cls_boxes = boxes[:, 4*cls_ind:4*(cls_ind + 1)] cls_scores = scores[:, cls_ind] dets = np.hstack((cls_boxes, cls_scores[:, np.newaxis])).astype(np.float32) keep = nms(dets, NMS_THRESH) dets = dets[keep, :] vis_detections(im, cls, dets, thresh=CONF_THRESH) def parse_args(): """Parse input arguments.""" parser = argparse.ArgumentParser(description=‘Faster R-CNN demo‘) parser.add_argument(‘--gpu‘, dest=‘gpu_id‘, help=‘GPU device id to use [0]‘, default=0, type=int) parser.add_argument(‘--cpu‘, dest=‘cpu_mode‘, help=‘Use CPU mode (overrides --gpu)‘, action=‘store_true‘) parser.add_argument(‘--net‘, dest=‘demo_net‘, help=‘Network to use [vgg16]‘, choices=NETS.keys(), default=‘vgg16‘) args = parser.parse_args() return args if __name__ == ‘__main__‘: cfg.TEST.HAS_RPN = True # Use RPN for proposals args = parse_args() ##返回命令参数行,默认使用gpu和vgg16 ##添加.pt文件,就是faster-rcnn的结构图 prototxt = os.path.join(cfg.MODELS_DIR, NETS[args.demo_net][0], ‘faster_rcnn_alt_opt‘, ‘faster_rcnn_test.pt‘) ##添加.caffemodel文件,就是训练好的VGG16模型 caffemodel = os.path.join(cfg.DATA_DIR, ‘faster_rcnn_models‘, NETS[args.demo_net][1]) if not os.path.isfile(caffemodel): raise IOError((‘{:s} not found.\nDid you run ./data/script/‘ ‘fetch_faster_rcnn_models.sh?‘).format(caffemodel)) if args.cpu_mode: caffe.set_mode_cpu() else: caffe.set_mode_gpu() caffe.set_device(args.gpu_id) ##默认开启0设备号的gpu cfg.GPU_ID = args.gpu_id net = caffe.Net(prototxt, caffemodel, caffe.TEST) ##加载caffe网络 print ‘\n\nLoaded network {:s}‘.format(caffemodel) # Warmup on a dummy image im = 128 * np.ones((300, 500, 3), dtype=np.uint8) for i in xrange(2): _, _= im_detect(net, im) ##使用(300, 500, 3)全为1的dummy图片进行预检测,保留网络参数 ##具体过程如下:##对dummy图片去均值,转换数据类型,然后用线性插值法resize成im_scale=2倍的图片,注意图片大小##不能超过(600,1000,3)的边界。接着把(600,1000,3)形式的图片或图片集##转化成(1,600,1000,3)的blobs,这里blobs的初始格式是取图片集的最大宽和高,且只有一张图片。##把blobs格式转换成(1,3,600,1000)的形式;到这里为止,_get_image_blob返回blob和im_scale_factors=2.0##_get_blobs返回dict形式的blobs和im_scale_factors,注意此时该blobs = {‘data‘ : blob, ‘rois‘ : None}##上面的blobs就是我们要操作的最终dict;##对该blobs添加blobs[‘im_info‘]栏,(600,1000,2),2是im_scales[0];##将caffe网络的data输入项(1,3,224,224)reshape成 blobs[‘data‘]的形状,即(1,3,600,1000)##把dict形式的blobs(3栏)搬移到dict形式的forward_kwargs(2栏),去掉了rois栏##然后把forward_kwargs送进net里面进行前向运行,输出blobs_out;##将net.blobs[‘rois‘].data,即将训练后rois层输出的数据保存到rois,##rois(104,5),将rois后四列缩小2倍回原来的图片规格,即相当于映射前放大2倍,映射后缩小2倍##对blobs_out[‘cls_prob‘]训练后数据保存到scores,blobs_out[‘cls_prob‘]是使用softmax层训练的结果;##得到的是分类的概率。##blobs_out[‘bbox_pred‘]训练后数据保存到box_deltas,然后对boxes相对box_deltas进行转换和裁剪;##boxes是roi层前的特征,box_deltas是fast-rcnn最终层后的特征,一个输入(104,5)一个输出(104,84);##这里涉及到bounding box regression原理,具体细节看另外一篇博客,其实就是Foreground Anchors和GT的拟合靠近;##上面注意boxes的后四列是框的四个点,而我们要转化成中心坐标,因此损失函数为预测的中心坐标和实际的平方函数##把预测的中心值转换回boxes的形式,重命名为pred_boxes##对pre_boxes进行裁剪,具体为负值变0,越界取边界##最后im_detect函数返回scores(104,21)和pred_boxes(104,84) im_names = [‘000456.jpg‘, ‘000542.jpg‘, ‘001150.jpg‘, ‘001763.jpg‘, ‘004545.jpg‘] for im_name in im_names: print ‘~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~‘ print ‘Demo for data/demo/{}‘.format(im_name) demo(net, im_name) ##根据路径加载要测试的图片1(375,500,3),利用cv读取图片1;##利用timer进行计时,##调用im_detect函数对图片1进行分类和定位,即返回scores和boxes;预处理时把(375,500,3)reshape(600,800,3)##打印对300个建议框进行检测(分类和回归)花费的时间;##将4列box和1列类合并成5列,命名为dets;##对每一个类进行nms(非极大值抑制)操作,nms的阈值为0.3,返回keep(内含26个数据的list),即26个框;##dets取这26个框,然后调用vis_detections函数来画图;##首先取分类得分大于0.5的行,如果没有大于0.5的行则认为该图不是类1,直接退出并进行类2的检测;##如果有大于0.5的行,则根据box的四个角画出框和在框上标注类别和得分,注意CONF_THRESH = 0.8得分以上才画出来;##加载图片2重复相应内容; plt.show()
原文地址:https://www.cnblogs.com/hotsnow/p/9856745.html