CRFasRNN 代碼實現 keras/Tensorflow 跑demo

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。

鏈接：這裏or 這裏

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！