基于Tensorflow的Faster R-CNN深度学习算法在CPU下实现目标检测

2014年是目标检测算法的里程碑，因为那一年R-CNN横空出世，将深度学习-卷积神经网络用在了目标检测领域，标志着目标检测进入了一个新的高度。目前tensorflow深度学习框架比较火且容易上手，所以想基于tensorflow来看看RCNN到底是怎么实现图片目标检测的。本人洒哥比较穷，电脑还是2013年买的，所以GPU很菜，在深度学习领域没法用GPU来train和Inference，github上的RCNN代码很多都默认是GPU运行，我这里记录一下如何在CPU下运行RCNN代码的demo。

因为RCNN出来之后，Fast RCNN，Faster RCNN相继问世，肯定是越来越牛皮，老的方法将会被摒弃，所以我就直接拿Faster R-CNN来做演示了，但是想提醒一下：R-CNN是核心，后面的都是基于此思想来改进的。

------本文章只是实现了基于深度学习的图片检测的Inference过程，实现了图片中20类目标检测功能，并没有Train过程，只需要下载源码和已经训练好的模型即可，不需要数据集。后续洒哥会写如何基于Faster R-CNN训练自己的数据集。

1.本机环境

ubuntu16.04，CPU，tensorflow==1.15.0(不是GPU版本的TF，如下)，python3，opencv-python3，cython==0.25.2，easydict

如果后面编译出现了找不到相应模块，大家pip安装一下就可以了，如：
sudo pip3 install cython==0.25.2
sudo pip3 install easydict

2.下载Faster R-CNN代码

git clone https://github.com/endernewton/tf-faster-rcnn.git

3.修改CPU运行配置

lib/setup.py文件中设置CPU和GPU的参数，如图所示：

因为代码默认是在GPU下运行，如果不设置成CPU模式，后面编译和运行代码时会报错。（要在GPU下运行就很简单了，只需要根据自己GPU的型号来设置-arch一个参数就可了）

1. 修改config.py代码：将USE_GPU_NMS 由原来的True改为False就可以：

2. 修改 lib/model/nms_wrapper.py文件

按照图中所示，将代码注释，直接禁用掉GPU模式

2. 修改 lib/setup.py文件

一种需要修改三处地方：

4. 安装和链接cython 模块

首先安装cython模块：sudo pip3 install cython==0.25.2

然后在lib目录下打开终端，输入

make clean

make

至此，代码要在CPU下运行的设置已完成。

5.安装 Python COCO API

代码中要用到COCO数据库，也可以手动下载，然后放在/data下即可：

cd data

git clone https://github.com/pdollar/coco.git

cd coco/PythonAPI

make

6.下载预训练好的Model

1. 下载已经训练好的模型

要用到的模型 voc_0712_80k-110k.tgz ，该模型可实现20类目标检测，如dog，car，person等。下载见百度网盘： https://pan.baidu.com/share/init?surl=ClcNOWiqOm6nyAdfD3RSsQ ，提取码: 6dz8。下载之后放到 data文件夹中，使用以下命令解压：

tar xvf voc_0712_80k-110k.tgz

解压得到voc_2007_trainval+voc_2012_trainval文件夹，其中包含四个模型文件:

res101_faster_rcnn_iter_110000.ckpt.data-00000-of-00001

res101_faster_rcnn_iter_110000.ckpt.index

res101_faster_rcnn_iter_110000.ckpt.meta

res101_faster_rcnn_iter_110000.pkl

2. 建立预训练模型的软连接

NET=res101

TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval

mkdir -p output/${NET}/${TRAIN_IMDB}

cd output/${NET}/${TRAIN_IMDB}

ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default

建立了模型软链接之后，双击default之后，会出现以下四个文件，说明就成功哦，后面运行demo.py时就会找到model来做推理，不然会提示你找不到：xx.cpkt的

7. CPU下运行demo

python3 ../tools/demo.py

运行结果为：

这个demo里面自带5张照片：

运行后的预测结果为12张图像：

其实想运行demo还是很简单的：大家先去尝试运行下代码，先比较直观的看到图片检测结果，当十几张图片突然跳出来的时候，心里还是慢开心的，后面再怀着好奇心看看代码是如何实现把图片中的目标给框出来的~，这才是关键

疑问

1. 为啥一张图片中有多个目标时，一张图片只检测出来一种，然后同样的图片再检测出来另外一种目标？
2. 检测出来的结果在哪，如何取出来？最终还是要把（x,y,w,h）发送给下面的决策算法的。
3. 5张图片检测出来需要30多s，看来一张image的inference大概6s，还是很慢的，如何提高预测速度？

后续计划：

1. 下一步加入公开的20类目标训练集（如PASCAL VOC2007），训练模型，然后用简单训练出的模型进行检测；
2. 制作自己的数据集，如panda，格式为VOC2007，修改源码，执行Train，Inference，Test等过程，实现自定义目标检测；
3. 实现视频流目标检测。

最后：问题懊恼时常六问，之一乃问博客，当问题迎刃而解之时，一念头萦绕脑海，何不记录以助后来的人呢，故写下了洒哥的第一篇CSDN技术博客，特此纪念。有一些内容也是参考和借鉴一些前人的相关技术博客，在此表示感谢。君不见黄河之水天上来，奔流到海不复回，同时也加了一丢丢自己的理解和思考，前见古人后见来者，未来还需加油！

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！