深度學習實踐經驗：用Faster R-CNN訓練Caltech數據集——訓練檢測

前言

前面已經介紹瞭如何準備數據集，以及如何修改數據集讀寫接口來操作數據集，接下來我來說明一下怎麼來訓練網絡和之後的檢測過程。

修改模型文件

faster rcnn有兩種各種訓練方式:

Alternative training(alt-opt)
Approximate joint training(end-to-end)

兩種方法有什麼不同，可以參考我這篇博客，推薦使用第二種，因爲第二種使用的顯存更小，而且訓練會更快，同時準確率差不多，兩種方式需要修改的代碼是不一樣的，同時faster rcnn提供了三種訓練模型，小型的ZF model，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顯存(~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 + person)。

下面修改模型文件：

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，該值爲類別數+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，該值爲類別數+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，該值爲（類別數+1）*4，四個頂點座標  
   weight_filler {  
     type: "gaussian"  
     std: 0.001  
   }  
   bias_filler {  
     type: "constant"  
     value: 0  
   }  
 }  
}

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，該值爲類別數+1  
 }  
}

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，該值爲類別數+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，該值爲類別數+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，該值爲（類別數+1）*4,四個頂點座標  
   weight_filler {  
     type: "gaussian"  
     std: 0.001  
   }  
   bias_filler {  
     type: "constant"  
     value: 0  
   }  
 }  
}

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，該值爲類別數+1  
 }  
}

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，該值爲類別數+1  
 }  
}  

layer {  
 name: "bbox_pred"  
 type: "InnerProduct"  
 bottom: "fc7"  
 top: "bbox_pred"  
 inner_product_param {  
   num_output: 84 #按訓練集類別改，該值爲（類別數+1）*4,四個頂點座標
 }  
}

訓練測試

訓練前還需要注意幾個地方：

cache問題：

假如你之前訓練了官方的VOC2007的數據集或其他的數據集，是會產生cache的問題的，建議在重新訓練新的數據之前將其刪除。
- py-faster-rcnn/output
- py-faster-rcnn/data/cache
訓練參數

參數放在如下文件:

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
....
```
迭代次數在文件py-faster-rcnn/tools/train_faster_rcnn_alt_opt.py中進行修改:
```
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，不過注意這裏的值不要小於上面的solver裏面的step_size的大小，大家自己修改吧

開始訓練

首先修改experiments/scripts/faster_rcnn_alt_opt.sh成如下，修改地方已標註：

#!/bin/bash
# Usage:
# ./experiments/scripts/faster_rcnn_alt_opt.sh GPU NET DATASET [options args to {train,test}_net.py]
# DATASET is only pascal_voc for now
#
# Example:
# ./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG_CNN_M_1024 pascal_voc \
#   --set EXP_DIR foobar RNG_SEED 42 TRAIN.SCALES "[400, 500, 600, 700]"

set -x
set -e

export PYTHONUNBUFFERED="True"

GPU_ID=$1
NET=$2
NET_lc=${NET,,}
DATASET=$3

array=( $@ )
len=${#array[@]}
EXTRA_ARGS=${array[@]:3:$len}
EXTRA_ARGS_SLUG=${EXTRA_ARGS// /_}

case $DATASET in
  caltech)                     # 這裏將pascal_voc改爲caltech
    TRAIN_IMDB="caltech_train" # 改爲與factor.py中命名的name格式相同，爲caltech_train
    TEST_IMDB="caltech_test"   # 改爲與factor.py中命名的name格式相同，爲caltech_test
    PT_DIR="caltech"           # 這裏將pascal_voc改爲caltech
    ITERS=40000
    ;;
  coco)
    echo "Not implemented: use experiments/scripts/faster_rcnn_end2end.sh for coco"
    exit
    ;;
  *)
    echo "No dataset given"
    exit
    ;;
esac

LOG="experiments/logs/faster_rcnn_alt_opt_${NET}_${EXTRA_ARGS_SLUG}.txt.`date +'%Y-%m-%d_%H-%M-%S'`"
exec &> >(tee -a "$LOG")
echo Logging output to "$LOG"

time ./tools/train_faster_rcnn_alt_opt.py --gpu ${GPU_ID} \
  --net_name ${NET} \
  --weights data/imagenet_models/${NET}.v2.caffemodel \
  --imdb ${TRAIN_IMDB} \
  --cfg experiments/cfgs/faster_rcnn_alt_opt.yml \
  ${EXTRA_ARGS}

set +x
NET_FINAL=`grep "Final model:" ${LOG} | awk '{print $3}'`
set -x

time ./tools/test_net.py --gpu ${GPU_ID} \
  --def models/${PT_DIR}/${NET}/faster_rcnn_alt_opt/faster_rcnn_test.pt \
  --net ${NET_FINAL} \
  #--net output/faster_rcnn_alt_opt/train/ZF_faster_rcnn_final.caffemodel \
  --imdb ${TEST_IMDB} \
  --cfg experiments/cfgs/faster_rcnn_alt_opt.yml \
  ${EXTRA_ARGS}

調用如下命令進行訓練及測試，從上面代碼可以看出，該shell文件在訓練完後會接着進行測試，但是我的測試集沒有標註，所以測試的時候會報錯，但是由於Caltech數據集的測試結果有專門的評估代碼，所以我不用faster r-cnn提供的代碼進行測試，而是直接進行檢測生成座標，用專門的評估代碼進行檢測。

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

參數1：指定gpu_id。
參數2：指定網絡模型參數。
參數3：數據集名稱，目前只能爲pascal_voc。

在訓練過程中，會調用py_faster_rcnn/tools/train_faster_rcnn_alt_opt.py文件開始訓練網絡。

可能會出現的Bugs

AssertionError: assert (boxes[:, 2] >= boxes[:, 0]).all()

問題重現

在訓練過程中可能會出現如下報錯：

File "/py-faster-rcnn/tools/../lib/datasets/imdb.py", line 108, in 
append_flipped_images 
    assert (boxes[:, 2] >= boxes[:, 0]).all() 
AssertionError

問題分析

檢查自己數據發現，左上角座標 (x, y) 可能爲0，或標定區域溢出圖片（即座標爲負數），而faster rcnn會對Xmin,Ymin,Xmax,Ymax進行減一操作，如果Xmin爲0，減一後變爲65535，從而在左右翻轉圖片時導致如上錯誤發生。

問題解決

修改lib/datasets/imdb.py中的append_flipped_images()函數：

數據整理，在一行代碼爲 boxes[:, 2] = widths[i] - oldx1 - 1下加入代碼：
```
for b in range(len(boxes)):
if boxes[b][2]< boxes[b][0]:
    boxes[b][0] = 0
```

修改lib/datasets/caltech.py，_load_pascal_annotation()函數，將對Xmin,Ymin,Xmax,Ymax減一去掉，變爲：


# Load object bounding boxes into a data frame.

       for ix, obj in enumerate(objs):
           bbox = obj.find('bndbox')
           # Make pixel indexes 0-based
           # 這裏我把‘-1’全部刪除掉了，防止有的數據是0開始，然後‘-1’導致變爲負數，產生AssertError錯誤
           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)

（可選）如果1和2可以解決問題，就沒必要用方法3。修改lib/fast_rcnn/config.py，不使圖片實現翻轉，如下改爲：
```
# Use horizontally-flipped images during training? 

__C.TRAIN.USE_FLIPPED = False
```

如果如上三種方法都無法解決該問題，那麼肯定是你的數據集座標出現小於等於0的數，你應該一一排查。

訓練fast rcnn時出現loss=nan的情況。

問題重現

問題分析

這是由於模型不收斂，導致loss迅速增長。

而我出現以上現象的原因主要是因爲我在出現AssertionError的時候直接使用了第三種方法導致的。也就是禁用圖片翻轉。

問題解決

啓用圖片翻轉。

訓練結果

訓練後的模型放在output/faster_rcnn_alt_opt/train/VGG16_faster_rcnn_final.caffemodel，該模型可以用於之後的檢測。

檢測

檢測步驟

經過以上訓練後，就可以用得到的模型來進行檢測了。檢測所參考的代碼是tools/demo.py，具體步驟如下：

將output/faster_rcnn_alt_opt/train/VGG16_faster_rcnn_final.caffemodel，拷貝到data/faster_rcnn_models下，命名爲VGG16_Caltech_faster_rcnn__final.caffemodel
進入tools/文件夾中，拷貝demo.py爲demo_caltech.py。
修改demo_caltech.py代碼如下：

#!/usr/bin/env python

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

import matplotlib
matplotlib.use('Agg');
"""
Demo script showing detections in sample images.

See README.md for installation instructions before running.
"""

import _init_paths
from fast_rcnn.config import cfg
from fast_rcnn.test import im_detect
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__', # 這裏改爲自己的類別
           'person')

NETS = {'vgg16': ('VGG16',
                  'VGG16_Caltech_faster_rcnn_final.caffemodel'), #這裏需要修改爲訓練後得到的模型的名稱
        'zf': ('ZF',
                  'ZF_Caltech_faster_rcnn_final.caffemodel')} #這裏需要修改爲訓練後得到的模型的名稱


def vis_detections(im, image_name, 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()
    plt.savefig('/home/jk/py-faster-rcnn/output/faster_rcnn_alt_opt/test/'+image_name) #將檢測後的圖片保存到相應的路徑

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, 'VOCdevkit/Caltech/JPEGImages', 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 = 0.85 # 設置權值，越低檢測出的框越多
    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, image_name, 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()

    prototxt = os.path.join(cfg.MODELS_DIR, NETS[args.demo_net][0],
                            'faster_rcnn_alt_opt', 'faster_rcnn_test.pt')
    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)
        cfg.GPU_ID = args.gpu_id
    net = caffe.Net(prototxt, caffemodel, caffe.TEST)

    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)

    testfile_path = '/home/jk/py-faster-rcnn/data/VOCdevkit/Caltech/ImageSets/Main/test.txt'
    with open(testfile_path) as f:
        im_names = [x.strip()+'.jpg' for x in f.readlines()] # 從test.txt文件中讀取圖片文件名，找到相應的圖片進行檢測。也可以使用如下的方法，把項檢測的圖片存到tools/demo/文件夾下進行讀取檢測

    #im_names = ['set06_V002_I00023.jpg', 'set06_V002_I00072.jpg', 'set06_V002_I00097.jpg',
    #            'set06_V002_I00151.jpg', 'set07_V010_I00247.jpg']
    for im_name in im_names:
        print '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
        print 'Demo for data/demo/{}'.format(im_name)
        demo(net, im_name)

    plt.show()

在命令行中輸入一下命令進行檢測：

python tools/demo_caltech.py

檢測結果

放幾張檢測後的結果圖，感覺檢測效果並不是很好，很多把背景當成行人的錯誤：

深度學習實踐經驗：用Faster R-CNN訓練Caltech數據集——訓練檢測

前言

修改模型文件

訓練測試

開始訓練

可能會出現的Bugs

AssertionError: assert (boxes[:, 2] >= boxes[:, 0]).all()

問題重現

問題分析

問題解決

訓練fast rcnn時出現loss=nan的情況。

問題重現

問題分析

問題解決

訓練結果

檢測

檢測步驟

檢測結果

參考博客

行人檢測論文筆記：Pedestrian Detection - An Evaluation of the State of the Art

iOS中多線程知識總結：進程、線程、GCD、串行隊列、並行隊列、全局隊列、主線程隊列、同步任務、異步任務等

南清北復交北航哈工大中科院華科保研記

行人檢測論文筆記：Pedestrian Detection - A Benchmark

Xcode運行後報錯： this class is not key value coding-compliant for the key的原因

Mac下配置sublime實現LaTeX

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結