keras version:https://github.com/sadeepj/crfasrnn_keras
live demo:http://crfasrnn.torr.vision
caffe version: http://github.com/torrvision/crfasrnn
paper:http://www.robots.ox.ac.uk/~szheng/papers/CRFasRNN.pdf
安裝步驟:
一、clone
$ git clone https://github.com/sadeepj/crfasrnn_keras.git
二、安裝依賴項
直接pip安裝
$ cd crfasrnn_keras
$ pip install -r requirements.txt # If you have a GPU device, use requirements_gpu.txt instead
注意:如果用GPU,使用CUDA9和TensorFlow1.7,另外keras也最好與tensorflow版本兼容,本人用的keras2.1.6。參考的Keras和Tensorflow版本之間兼容性的鏈接
pip安裝tensorflow下載太慢,可以換到國內鏡像:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.7
常用的國內鏡像包括:
(1)阿里雲 http://mirrors.aliyun.com/pypi/simple/
(2)豆瓣http://pypi.douban.com/simple/
(3)清華大學 https://pypi.tuna.tsinghua.edu.cn/simple/
(4)中國科學技術大學 http://pypi.mirrors.ustc.edu.cn/simple/
(5)華中科技大學http://pypi.hustunique.com/
裝依賴項之後,運行以下命令以確保正確安裝:
$ python
>>> import tensorflow
>>> import keras
三、構建CRF-RNN自定義OP C++代碼
在crfasrnn_keras/src/cpp目錄下make:
$ cd crfasrnn_keras/src/cpp
$ make
make後將得到一個名爲high_dim_filter.so的新文件。
注意:該腳本可以在Linux和MacOS上工作,但不能在Windows操作系統上工作。
本人嘗試在windows下使用MinGW和Cywin編譯,可惜有點愚笨,最終失敗,最後轉用Linux,輕鬆搞定。
四、下載預訓練的模型權重
下載模型權重,並將其放在crFasrnn_keras目錄中,文件名爲crfrnn_keras_model.h5。
五、跑demo
$ cd crfasrnn_keras
$ python run_demo.py
如果成功的話,會有一個“labels.png”的文件出現。效果不是很好。
本人小白,只是跟着教程記錄一下過程,有很多不懂的地方,如果有不對的地方,歡迎指出!