基于Ubuntu16.04和caffe安装CPU版本的SSD检测框架

最近毕业设计涉及到了深度学习,所以学习下目前主流的检测框架SSD,本人笔记本没有gpu,所以只能安装CPU版本的ssd了.

github链接：https://github.com/weiliu89/caffe/tree/ssd

SSD是16年ECCV一篇深度学习目标检测的文章，详细知识可以百度或者谷歌，本文我们介绍如何实现。本文默认各位的机子已近安装好opencv, 配置编译过cpu版本的caffe(没有也没关系,下面我会讲下).

1. 在home目录下(也可以其他目录,当然其他目录后面就要修改路径,比较麻烦)，获取SSD的代码，下载完成后有一个caffe文件夹.

git clone https://github.com/weiliu89/caffe.git cd caffe
git checkout ssd

2. 修改caffe的配置文件.

将已经配置过的cpu版本caffe中的Makefile.config复制到刚才下载的caffe目录。如果你没有配置过cpu版本的caffe,可以参考我的另外一篇博文. Ubuntu16.04+caffe的安装和Py-faster-rcnn在CPU电脑的安装-2.   http://blog.csdn.net/jx232515/article/details/72384465.下面我直接把Makefile.config需要修改的部分贴在下面了.可以照着修改也行.

去掉注释CPU_ONLY :=1
注释掉CUDA有关的行：
#CUDA_DIR := /usr/local/cuda
#CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \
#        -gencode arch=compute_20,code=sm_21 \
#        -gencode arch=compute_30,code=sm_30 \
#        -gencode arch=compute_35,code=sm_35 \
#        -gencode arch=compute_50,code=sm_50 \
#        -gencode arch=compute_50,code=compute_50
去掉注释WITH_PYTHON_LAYER := 1
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial
LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/i386-linux-gnu/hdf5/serial /usr/lib/x86_64-linux-gnu /usr/lib/x86_64-linux-gnu/hdf5/serial
#TEST_GPUID := 0

3.编译caffe

make -j8
# Make sure to include $CAFFE_ROOT/python to your PYTHONPATH.
make py
make test -j8
# (Optional)
make runtest -j8

4.下载预训练模型 (https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6），将它放入caffe/models/VGGNet/目录下,这样可以直接使用这个模型跑了ssd.这里我说下,我网址是打不开,一开始下载了ssdplus版(240000),运行报错,后来好不容易找到了ssd(120000)版运行,成功.当然ssd(60000)的下了没有用.我给个链接.  https://drive.google.com/uc?id=0BzKzrI_SkD1_WVVTSmQxU0dVRzA&export=download https://pan.baidu.com/s/1o8A7DZs

5.下载VOC2007和VOC2012数据集，放到/home/data下。（请注意，这里改变了目录）

cd $HOME/data
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar 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 # Extract the data.
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar

6.将voc2007数据集转换格式,用于模型的训练.
首先进入caffe目录,可以看到/data/VOC0712/有create_list.sh,create_data.sh .运行就可以转换数据格式,用于模型训练.

此处注意create_list.sh和create_data.sh中路径的修改，修改为自己的路径，要不会出错.

# Create the trainval.txt, test.txt, and test_name_size.txt in data/VOC0712/
./data/VOC0712/create_list.sh
# You can modify the parameters in create_data.sh if needed.
# It will create lmdb files for trainval and test with encoded original image:
#   - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_trainval_lmdb
#   - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_test_lmdb
# and make soft links at examples/VOC0712/
./data/VOC0712/create_data.sh

此时发现执行create_data.sh时还是出错了，报错为：AttributeError: 'module' object has no attribute 'LabelMap'，原因是没有添加环境变量，

解决方式：其中$CAFFE_ROOT是本caffe的根目录，注意换成自己的.

echo "export PYTHONPATH=$home/lsq/caffe/python" >> ~/.profile
source ~/.profile
echo $PYTHONPATH #检查环境变量的值

7.训练模型(一般CPU电脑是会死机的,我的就是)

因为我们用的是cpu，首先修改examples/ssd/ssd_pascal.py文件

将如下代码注释掉

#gpus = "0,1,2,3"
#gpulist = gpus.split(",")
#num_gpus = len(gpulist)

# Divide the mini-batch to different GPUs.
batch_size = 32
accum_batch_size = 32
iter_size = accum_batch_size / batch_size
solver_mode = P.Solver.CPU
device_id = 0
batch_size_per_device = batch_size
#if num_gpus > 0:
#  batch_size_per_device = int(math.ceil(float(batch_size) / num_gpus))
#  iter_size = int(math.ceil(float(accum_batch_size) / (batch_size_per_device * num_gpus)))
#  solver_mode = P.Solver.GPU
#  device_id = int(gpulist[0])

然后训练.(Linux运行Python文件就是这样)

python examples/ssd/ssd_pascal.py  
如果不想花费时间训练，可以在这里下载训练好的模型
https://drive.google.com/uc?id=0BzKzrI_SkD1_WVVTSmQxU0dVRzA&export=download
下载后解压，将其中的VGGNet文件夹复制到caffe/models下面，呀，你发现caffe/models下面已经有VGGNet文件夹了，这是之前我们做训练时建立的，没训练就没有了.ok，就可以将VGGNet复制到此处了。

8.测试

1)在图片测试集上测试

python examples/ssd/score_ssd_pascal.py  

这时你会发现报错，说cpu-only的版本不能用gpu，ok，打开score_ssd_pascal.py修改为

solver_mode = P.Solver.CPU

2)在视频上测试

python examples/ssd/ssd_pascal_video.py 

当然，直接跑是他自带的视频，想跑自己的代码的话，要先用vim打开该文件，定位到51行，修改视频路径为已有本地视频，这样就可以畅快的跑自己的视频

 3)使用摄像头测试

 python examples/ssd/ssd_pascal_webcam.py.

下一篇讲解如何制作cov2007数据集格式,用于自己的数据训练模型.