安装依赖

  • MATLAB(64bit Linux 2012b以上)
  • Caffe的相关依赖

Caffe安装

  • 需要Caffe和pycaffe；Caffe必须支持Python layers，则在fast-rcnn/caffe-fast-rcnn中的Makefile.config中，需要取消WITH_PYTHON_LAYER := 1的注释，其余部分内容，参照旧版本Caffe安装教程
  • 需要安装Python包cython，python-opencv和easydict（其中easydict是通过sudo pip install easydict）
  • 训练CaffeNet，VGG_CNN_M_1024需要3G显存的显卡，而训练VGG16则需要11G显存的显卡

安装Fast R-CNN

  • 下载Fast R-CNN库git clone --recursive https://github.com/rbgirshick/fast-rcnn.git（–recursive是关键）
  • 编译创建Cython模块cd $FRCN_ROOT/lib; make
  • 编译创建Caffe和pycaffecd $FRCN_ROOT/caffe-fast-rcnn; make -j8 && make pycaffe（这步我仍然运行了make test与make runtest确保caffe正常运行）
  • 下载已训练好的Fast R-CNN检测器./data/scripts/fetch_fast_rcnn_models.sh，解压在data/fast_rcnn_models（通过脚本中地址直接下载较为方便）

Demo

  • ./tools/demo.pydemo演示在VOC 2007上已训练的VGG16，object proposal是已计算的，减少安装需求

Usage

  • 训练Fast R-CNN检测器。例如，在VGG16上训练VOC 2007 trainval：./tools/test_net.py --gpu 1 --def models/VGG16/test.prototxt --net output/default/voc_2007_trainval/vgg16_fast_rcnn_iter_40000.caffemodel
  • 测试Fast R-CNN检测器。例如，在VGG16上测试VOC 2007 test：./tools/test_net.py --gpu 1 --def models/VGG16/test.prototxt --net output/default/voc_2007_trainval/vgg16_fast_rcnn_iter_40000.caffemodel
  • 测试结果在output目录下