faster_rcnn_pytorch

أسرع rcnn مع pytorch

ملاحظة: قمت بإعادة تنفيذ RCNN بشكل أسرع في هذا المشروع عندما بدأت في تعلم Pytorch. ثم أستخدم Pytorch في جميع مشاريعي. ما زلت أتذكر أن تكلفة أسبوع واحد بالنسبة لي لمعرفة كيفية بناء رمز CUDA كطبقة Pytorch :). ولكن في الواقع هذا ليس تطبيقًا جيدًا ولم أحقق نفس الخريطة مثل رمز الكافيين الأصلي.

لم يعد هذا المشروع يتم الحفاظ عليه وقد لا يتوافق مع أحدث Pytorch (بعد 0.4.0). لذلك أقترح:

• لا يزال بإمكانك قراءة ودراسة هذا الرمز إذا كنت ترغب في إعادة تنفيذ RCNN بشكل أسرع ؛
• يمكنك استخدام تطبيق Pytorch الأفضل بواسطة Ruotianluo أو Detectron.pytorch إذا كنت ترغب في تدريب RCNN بشكل أسرع مع بياناتك الخاصة ؛

هذا هو تطبيق Pytorch من RCNN أسرع. يعتمد هذا المشروع بشكل أساسي على Py Faster-Rcnn و Tffrcnn.

للحصول على تفاصيل حول R-CNN ، يرجى الرجوع إلى الورقة بشكل أسرع R-CNN: نحو اكتشاف الكائنات في الوقت الفعلي مع شبكات اقتراح المنطقة بقلم Shaoqing Ren ، Kaiming He ، Ross Girshick ، Jian Sun.

تقدم

• إلى الأمام لاكتشاف
• طبقة تجميع العائد على الاستثمار مع ملحقات C على وحدة المعالجة المركزية (إلى الأمام فقط)
• طبقة تجميع العائد على الاستثمار على GPU (إلى الأمام والخلف)
• التدريب على VOC2007
• دعم Tensroboard
• تقييم

التثبيت والتوضيح

0. تثبيت المتطلبات (يمكنك استخدام PIP أو Anaconda):

    conda install pip pyyaml sympy h5py cython numpy scipy
   conda install -c menpo opencv3
   pip install easydict
   

1. استنساخ مستودع R-CNN الأسرع

   git clone [email protected]:longcw/faster_rcnn_pytorch.git

2. قم ببناء وحدات Cython لـ NMS وطبقة ROI_Pooling

    cd faster_rcnn_pytorch/faster_rcnn
   ./make.sh

3. قم بتنزيل نموذج VGGNET_FAST_RCNN_ITER_70000.H5 ( demo.py

4. تشغيل Demo python demo.py

التدريب على Pascal Voc 2007

اتبع هذا المشروع (TFFRCNN) لتنزيل وإعداد التدريب والتحقق من صحة وبيانات الاختبار ونموذج VGG16 تم تدريبه مسبقًا على ImageNet.

نظرًا لأن البرنامج يقوم بتحميل البيانات في faster_rcnn_pytorch/data افتراضيًا ، يمكنك تعيين مسار البيانات على النحو التالي.

 cd faster_rcnn_pytorch
mkdir data
cd data
ln -s $VOCdevkit VOCdevkit2007

ثم يمكنك تعيين بعض المعلمات المفرطة في train.py ومعلمات التدريب في ملف .yml .

الآن حصلت على خريطة 0.661 على Voc07 بينما حصلت ورقة الأصل على خريطة 0.699. قد تحتاج إلى ضبط وظيفة الخسارة المحددة في faster_rcnn/faster_rcnn.py بنفسك.

التدريب مع Tensorboard

بمساعدة تلوين ، يمكننا الوصول إلى قوة التصور في Tensorboard لأي إطار تعلم عميق.

لاستخدام Tensorboard ، قم بتثبيت CRAYON (https://github.com/torrvision/crayon) وقم بتعيين use_tensorboard = True in faster_rcnn/train.py .

تقييم

اضبط مسار النموذج المدربين في test.py

 cd faster_rcnn_pytorch
mkdir output
python test.py

الترخيص: رخصة معهد ماساتشوستس للتكنولوجيا (معهد ماساتشوستس للتكنولوجيا)