使用ImageNet在faster-rcnn上训练自己的分类网络
具体代码见https://github.com/zhiyishou/py-faster-rcnn
这是我对cup, glasses训练的识别
faster-rcnn在fast-rcnn的基础上加了rpn来将整个训练都置于GPU内,以用来提高效率,这里我们将使用ImageNet的数据集来在faster-rcnn上来训练自己的分类器。从ImageNet上可下载到很多类别的Image与bounding box annotation来进行训练(每一个类别下的annotation都少于等于image的个数,所以我们从annotation来建立索引)。
在
lib/dataset/factory.py中提供了coco与voc的数据集获取方法,而我们要做的就是在这里加上我们自己的ImageNet获取方法,我们先来建立ImageNet数据获取主文件。coco与pascal_voc的获取都是继承于父类imdb,所以我们可根据pascal_voc的获取方法来做模板修改完成我们的ImageNet类。
创建ImageNet类
由于在faster-rcnn里使用rpn来代替了selective_search,所以我们可以在使用时直接略过有关selective_search的方法,根据pascal_voc类做模板,我们需要留下的方法有:
__init__ //初始化 image_path_at //根据数据集列表的index来取图片绝对地址 image_path_from_index //配合上面 _load_image_set_index //获取数据集列表 _gt_roidb //获取ground-truth数据 rpn_roidb //获取region proposal数据 _load_rpn_roidb //根据gt_roidb生成rpn_roidb数据并合成 _load_psacal_annotation //加载annotation文件并对bounding box进行数据整理
__init__:
def __init__(self, image_set): imdb.__init__(self, 'imagenet') self._image_set = image_set self._data_path = os.path.join(cfg.DATA_DIR, "imagenet") #类别与对应的wnid,可以修改成自己要训练的类别 self._class_wnids = { 'cup': 'n03147509', 'glasses': 'n04272054' } #类别,修改类别时同时要修改这里 self._classes = ('__background__', self._class_wnids['cup'], self._class_wnids['glasses']) self._class_to_ind = dict(zip(self.classes, xrange(self.num_classes))) #bounding box annotation 文件的目录 self._xml_path = os.path.join(self._data_path, "Annotations") self._image_ext = '.JPEG' #我们使用xml文件名来做数据集的索引 # the xml file name and each one corresponding to image file name self._image_index = self._load_xml_filenames() self._salt = str(uuid.uuid4()) self._comp_id = 'comp4' self.config = {'cleanup' : True, 'use_salt' : True, 'use_diff' : False, 'matlab_eval' : False, 'rpn_file' : None, 'min_size' : 2} assert os.path.exists(self._data_path), \ 'Path does not exist: {}'.format(self._data_path)
image_path_at
def image_path_at(self, i): #使用index来从xml_filenames取到filename,生成绝对路径 return self.image_path_from_image_filename(self._image_index[i])
image_path_from_image_filename(类似pascal_voc中的image_path_from_index)
def image_path_from_image_filename(self, image_filename): image_path = os.path.join(self._data_path, 'Images', image_filename + self._image_ext) assert os.path.exists(image_path), \ 'Path does not exist: {}'.format(image_path) return image_path
_load_xml_filenames(类似pascal_voc中的_load_image_set_index)
def _load_xml_filenames(self): #从Annotations文件夹中拿取到bounding box annotation文件名 #用来做数据集的索引 xml_folder_path = os.path.join(self._data_path, "Annotations") assert os.path.exists(xml_folder_path), \ 'Path does not exist: {}'.format(xml_folder_path) for dirpath, dirnames, filenames in os.walk(xml_folder_path): xml_filenames = [xml_filename.split(".")[0] for xml_filename in filenames] return xml_filenames
gt_roidb
def gt_roidb(self): #Ground-Truth 数据缓存 cache_file = os.path.join(self.cache_path, self.name + '_gt_roidb.pkl') if os.path.exists(cache_file): with open(cache_file, 'rb') as fid: roidb = cPickle.load(fid) print '{} gt roidb loaded from {}'.format(self.name, cache_file) return roidb #从xml中获取Ground-Truth数据 gt_roidb = [self._load_imagenet_annotation(xml_filename) for xml_filename in self._image_index] with open(cache_file, 'wb') as fid: cPickle.dump(gt_roidb, fid, cPickle.HIGHEST_PROTOCOL) print 'wrote gt roidb to {}'.format(cache_file) return gt_roidb
rpn_roidb
def rpn_roidb(self): #根据gt_roidb生成rpn_roidb,并进行合并 gt_roidb = self.gt_roidb() rpn_roidb = self._load_rpn_roidb(gt_roidb) roidb = imdb.merge_roidbs(gt_roidb, rpn_roidb) return roidb
_load_rpn_roidb
def _load_rpn_roidb(self, gt_roidb): filename = self.config['rpn_file'] print 'loading {}'.format(filename) assert os.path.exists(filename), \ 'rpn data not found at: {}'.format(filename) with open(filename, 'rb') as f: box_list = cPickle.load(f) return self.create_roidb_from_box_list(box_list, gt_roidb)
_load_imagenet_annotation(类似于pascal_voc中的_load_pascal_annotation)
def _load_imagenet_annotation(self, xml_filename): #从annotation的xml文件中拿取bounding box数据 filepath = os.path.join(self._data_path, 'Annotations', xml_filename + '.xml') #这里使用了ap,是我写的一个annotation parser,在后面贴出代码 #它会返回这个xml文件的wnid, 图像文件名,以及里面包含的注解物体 wnid, image_name, objects = ap.parse(filepath) num_objs = len(objects) boxes = np.zeros((num_objs, 4), dtype=np.uint16) gt_classes = np.zeros((num_objs), dtype=np.int32) overlaps = np.zeros((num_objs, self.num_classes), dtype=np.float32) seg_areas = np.zeros((num_objs), dtype=np.float32) # Load object bounding boxes into a data frame. for ix, obj in enumerate(objects): box = obj["box"] x1 = box['xmin'] y1 = box['ymin'] x2 = box['xmax'] y2 = box['ymax'] # 如果这个bounding box并不是我们想要学习的类别,那则跳过 # go next if the wnid not exist in declared classes try: cls = self._class_to_ind[obj["wnid"]] except KeyError: print "wnid %s isn't show in given"%obj["wnid"] continue boxes[ix, :] = [x1, y1, x2, y2] gt_classes[ix] = cls overlaps[ix, cls] = 1.0 seg_areas[ix] = (x2 - x1 + 1) * (y2 - y1 + 1) overlaps = scipy.sparse.csr_matrix(overlaps) return {'boxes' : boxes, 'gt_classes': gt_classes, 'gt_overlaps' : overlaps, 'flipped' : False, 'seg_areas' : seg_areas}
annotation_parser.py文件
import os import xml.dom.minidom def getText(node): return node.firstChild.nodeValue def getWnid(node): return getText(node.getElementsByTagName("name")[0]) def getImageName(node): return getText(node.getElementsByTagName("filename")[0]) def getObjects(node): objects = [] for obj in node.getElementsByTagName("object"): objects.append({ "wnid": getText(obj.getElementsByTagName("name")[0]), "box":{ "xmin": int(getText(obj.getElementsByTagName("xmin")[0])), "ymin": int(getText(obj.getElementsByTagName("ymin")[0])), "xmax": int(getText(obj.getElementsByTagName("xmax")[0])), "ymax": int(getText(obj.getElementsByTagName("ymax")[0])), } }) return objects def parse(filepath): dom = xml.dom.minidom.parse(filepath) root = dom.documentElement image_name = getImageName(root) wnid = getWnid(root) objects = getObjects(root) return wnid, image_name, objects
则对数据结构的要求是:
|---data |---imagenet |---Annotations |---n03147509 |---n03147509_*.xml |---... |---n04272054 |---n04272054_*.xml |---... |---Images |---n03147508_*.JPEG |---... |---n04272054_*.JPEG |---...
同时我在github上也提供了draw方法,可以用来将bounding box画于Image文件上,用来甄别该annotation的正确性
训练
这样,我们的ImageNet类则是生成好了,下面我们则可以训练我们的数据,但是在开始之前,还有一件事情,那就是修改prototxt中的与类别数目有关的值,我将
models/pascal_voc拷贝到了
models/imagenet进行修改,比如我想要训练ZF,如果使用的是train_faster_rcnn_alt_opt.py,则需要修改
models/imagenet/ZF/faster_rcnn_alt_opt/下的所有pt文件里的内容,用如下的法则去替换:
//num为类别的个数 input-data->num_classes = num class_score->num_output = num bbox_pred->num_output = num*4
我这里使用train_faster_rcnn_alt_opt.py进行的训练,这样的话则需要把添加的
models/imagenet作为可选项
//pt_type 则是添加的选择项,默认使用psacal_voc的models ./tools/train_faster_rcnn_alt_opt.py --gpu 0 \ --net_name ZF \ --weights data/imagenet_models/ZF.v2.caffemodel[optional] \ --imdb imagenet \ --cfg experiments/cfgs/faster_rcnn_alt_opt.yml \ --pt_type imagenet
识别
这里我们则需要使用刚训练出来的模型进行识别
#就像demo.py一样,但是使用训练的models,我创建了tools/classify.py来单独识别 prototxt = os.path.join(cfg.ROOT_DIR, 'models/imagenet', NETS[args.demo_net][0], 'faster_rcnn_alt_opt', 'faster_rcnn_test.pt') caffemodel = os.path.join(cfg.ROOT_DIR, 'output/faster_rcnn_alt_opt/imagenet/'+ NETS[args.demo_net][0] +'_faster_rcnn_final.caffemodel')
同样,在识别前我们要对识别方法里的Classes进行修改,修改成你自己训练的类别后
执行
./tools/classify.py --net zf
则可对
data/demo下的图片文件使用训练的zf网络进行识别
Have fun
转载于:https://www.cnblogs.com/zhiyishou/p/5651321.html
- 点赞
- 收藏
- 分享
- 文章举报
- 使用ImageNet在faster-rcnn上训练自己的分类网络
- 使用ImageNet在faster-rcnn上训练自己的分类网络
- 使用caffe中的imagenet对自己的图片进行分类训练(超级详细版)
- 使用caffe中的imagenet对自己的图片进行分类训练(超级详细版)
- 使用faster rcnn训练自己的数据(py-faster-rcnn )
- Caffe下py-faster-rcnn使用残差网络Resnet进行训练
- 使用caffe框架利用faster-rcnn来训练自己的数据集
- 使用TensorFlow slim文件夹当中的inception_v4网络训练自己的分类数据集
- Tensorflow框架下Faster-RCNN实践(二)——用自己制作的数据训练Faster-RCNN网络(附代码)
- Tensorflow框架下Faster-RCNN实践(二)——用自己制作的数据训练Faster-RCNN网络(附代码)
- py-faster-rcnn(caffe)的end2end使用自己的数据进行训练
- 使用labelIImg制作自己的数据集(VOC2007格式)用于Faster-RCNN训练
- 使用Caffe训练适合自己样本集的AlexNet网络模型,并对其进行分类
- TX1上使用Faster-RCNN训练自己的训练集遇到的问题与解决
- 使用自己的数据训练Faster-RCNN
- 使用caffe中的imagenet对自己的图片进行分类训练(超级详细版)
- 使用py-faster-rcnn训练自己的数据
- 使用py-faster-rcnn训练自己的数据集
- 使用TensorFlow slim文件夹当中的inception_resnet_v2网络训练自己的分类数据集
- 使用Faster-RCNN训练自己的训练集