去年下半年看了相關目標檢測的論文,一些傳統的算法,一些CVPR,TPAMI,ECCV,ICCV,,NIPS,比較前沿的進展,主要都是基於深度學習卷積神經網絡方面的,包括RCNN,SPP-NET,Fast-RCNN,Faster-RCNN,以及YOLO,SSD,然後明天準備正式開始搞學術了,爭取早點把論文發出來。
趁着放假回家的時間,做點前期準備工作,深度學習方面的框架有caffe,torch,mxnet,kerse,還有最近比較大熱的TensorFlow,感覺tf會持續popular,所以準備搭建一個玩玩,但是相關比較新的目標檢測框架都是首先基於caffe開發的,caffe對於圖像方面的庫比較多,穩定,所以搭建一個caffe也是必不可少,好像tf也是可以調用caffe框架模型的(沒用過)。
裝雙系統之step one:http://blog.csdn.net/jasonzhangoo/article/details/54865974
裝顯卡驅動之step two(很多同學都是因爲這步而放棄深度學習的):http://blog.csdn.net/jasonzhangoo/article/details/54866049
Ubuntu16.04下安裝caffe和TensorFlow的cpu版本之step three:http://blog.csdn.net/jasonzhangoo/article/details/54866074
Win10下安裝caffe的GPU版本之step four:http://blog.csdn.net/jasonzhangoo/article/details/54866120
windows安裝配置faster-rcnn之step five:http://blog.csdn.net/jasonzhangoo/article/details/54866174
windows安裝配置faster-rcnn之step five:
Faster-RCNN源碼下載地址:
Matlab版本:https://github.com/ShaoqingRen/faster_rcnn
Python版本:https://github.com/rbgirshick/py-faster-rcnn
本文用到的是Matlab版本,在Windows下運行。
經過之前安裝過CUDA,VS2013和Matlab。
另外在下載的faster-rcnn中需要有自己編譯的external文件夾纔可以使用如果你的cuda是6.5,那麼運行一下fetch_data/fetch_caffe_mex_windows_vs2013_cuda65.m ,當然不同的CUDA版本需要不同的編譯版本,最好自己編譯一下,我的是CUDA8.0,可以用
下載地址:Faster-RCNN(Matlab) external文件夾
測試過程:
如果重新訓練的話需要很長的時間,這裏可以先下載訓練好的模型可以用百度雲下載:https://pan.baidu.com/s/1hsFKmeK ,解壓到faster_rcnn-master下
(1)運行faster_rcnn-master\faster_rcnn_build.m
(2)運行faster_rcnn-master\startup.m
(3)修改faster_rcnn-master\experiments\script_faster_rcnn_demo.m的model_dir爲你下載的模型,最好註釋掉VGG16比較慢,選用ZF,然後運行。
最終得到: