• caffe学习二:py-faster-rcnn配置运行faster_rcnn_end2end-VGG_CNN_M_1024 (Ubuntu16.04)


    本文的主要目的是学习记录。

    原文连接:https://blog.csdn.net/samylee/article/details/51099508

    本博客中我将对py-faster-rcnn配置运行fastr_rcnn_end2end-VGG_CNN_M_1024作出具体操作说明。在此记录。

    第一部分:下载数据test data and VOCdevkit

    在终端分别输入:

    wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

    wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

    wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

    (下载的是三个压缩包)

    第二部分:解压生成文件夹 VOCdevkit

    data下有文件夹命名为VOCdevkit,次文件夹中包含VOC2007和VOCcode (如第三部分所示)

    就在data目录下输入下列命令解压,解压文件会自动跑到devkit这个文件夹,其中VOC2007会自动包含trainval和test这两个文件夹,

    即终端输入:

    tar xvf VOCtrainval_06-Nov-2007.tar

    tar xvf VOCtest_06-Nov-2007.tar

    tar xvf VOCdevkit_08-Jun-2007.tar

    第三部分:文件夹包含目录

    $VOCdevkit/                          #development kit

    $VOCdevkit/VOCcode/         #VOC utility code

    $VOCdevkit/VOC2007         #image sets, annotations, etc.

    第四部分:建立链接

    终端输入:

    cd $FRCN_ROOT/data(其中$表示您py-faster-rcnn的目录位置)

    sudo ln -s VOCdevkit VOCdevkit2007

    第五部分:下载pre-trained ImageNet models

    终端输入:

    cd $FRCN_ROOT(其中$表示您py-faster-rcnn的目录位置)

    ./data/scripts/fetch_imagenet_models.sh

    第六部分:训练测试如下:

    cd $FRCN_ROOT(其中$表示您py-faster-rcnn的目录位置)

    ./experiments/scripts/faster_rcnn_end2end.sh 0 VGG_CNN_M_1024 pascal_voc --set EXP_DIR foobar RNG_SEED 42 TRAIN.SCALES "[400,500,600,700]"

    (蓝色字表示参数设置,注意:(400,500,600,700)逗号后面不要有空格))

    结果显示在py-faster-rcnn/output目录下生成foobar文件夹,其中包含voc_2007_testvoc_2007_trainval两个文件夹

    (命令的格式为:./experiments/scripts/faster_rcnn_end2end.sh [GPU_ID] [NET] [--set ...])

    ./experiments/scripts/faster_rcnn_end2end.sh 0 ZF pascal_voc(使用近似联合训练:approximate joint training)

    ./experiments/scripts/faster_rcnn_alt_opt.sh 0 ZF pascal_voc(使用交替优化(alternating optimization)算法来训练和测试Faster R-CNN)

  • 相关阅读:
    安装go 环境
    reading notes —— effective Java;目录结构,便于复习与查找
    reading notes -- Amazon.com Recommendations: Item-to-Item Collaborative Filtering
    reading notes -- 知识图谱简介
    reading notes -- A Report from the Trenches
    原生 js 简单实现 Promise
    JS 中屏幕、浏览器和文档的高度、宽度和距离
    添加jQuery方法解析url查询部分
    表单验证常用正则表达式
    HTML5 + CSS3 实现地球绕太阳公转
  • 原文地址:https://www.cnblogs.com/elitphil/p/11547429.html
Copyright © 2020-2023  润新知