亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

Linux_Faster_RCNN_TensorFlow_Python

系統(tǒng) 1700 0

? ? ? ? ?首先,我用的工程文件是https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5里的windows下的代碼。這個(gè)代碼在windows我已經(jīng)調(diào)通過。過程中也是遇到windows下安裝pycocotools的難題,需要去下載一個(gè)windows下的安裝文件去安裝,我參考了 CSDN博主 行勝于言的博客:?windows 安裝 pycocotools 方法(windows10編譯 Pycocotools出錯(cuò)解決方案最新)

#####################################################################################################

下面這兩個(gè)鏈接里面是支持windows的

Clone of COCO API - Dataset @ http://cocodataset.org/ - with changes to support Windows build and python3

下面這個(gè)是原版鏈接 (在windows上安裝會出問題,在linux下應(yīng)該不會。我沒在linux下試過用這個(gè)安裝,因?yàn)槲颐菜浦苯訁⒖计渌鸆SND博客用pip3或者是apt等方法給安裝好了?)

COCO API - Dataset @ http://cocodataset.org/

之前的一種解決方案

windows10編譯 Pycocotools出錯(cuò)解決方案(不可取哦)

#####################################################################################################

好了下面進(jìn)入正題

【Linux_Faster_RCNN_TensorFlow_Python3_5_master 心路歷程(踩坑筆記)】

遇到的主要大問題如下:

  • 一、【cython_bbox.cpython-35m-x86_64-linux-gnu.so和cython_bbox.so文件。導(dǎo)致程序運(yùn)行過程中找不到bbox。】

問題原因: windows下,用的是cython_bbox.cp35-win_amd64.pyd文件,而linux下需要重新make一下。

解決辦法: 這個(gè)需要在linux下,準(zhǔn)備好make文件放進(jìn)lib文件夾,在lib路徑make一下。具體步驟參見博客園 靜心得文章Faster-RCNN-TensorFlow-Python3.5 在Ubuntu16.04下的配置方法。

? ? ? ? 其中我還遇到了meke出錯(cuò)的問題,開始是說文件修改時(shí)間和linux系統(tǒng)時(shí)間不一致,這個(gè)用linux命令將linux時(shí)間給更新到最新的當(dāng)前時(shí)間就好。但是還是沒有解決,我索性直接搜到了好心人在網(wǎng)上的編譯好的cython_bbox.cpython-35m-x86_64-linux-gnu.so文件,拷貝進(jìn)了utils文件夾里參見基于tensorflow+python3.5環(huán)境實(shí)現(xiàn)Faster R-CNN 下載cython_bbox.cpython-35m-x86_64-linux-gnu.so? ? ? 后來我的make又好了,用ls發(fā)現(xiàn)自己也make好了一份,只不過直接在文件夾下看不到,需要用ls命令列出來,才能看到這個(gè)編譯中的文件——后綴名.so文件。

? ? ? ?總之,一般make好了,就會生成好cython_bbox.cpython-35m-x86_64-linux-gnu.so和cython_bbox.so文件,之后程序再去運(yùn)行就不會報(bào)沒有bbox的問題啦!

? ? ? ?如果還是有各種問題,那就還是要求助BING,谷歌,CSDN,stackoverflow等等網(wǎng)站了。。。

? ? ? ?博客園 靜心的文章,我也搬了過來,以做備份,內(nèi)容如下:

Faster-RCNN-TensorFlow-Python3.5 在Ubuntu16.04下的配置方法

目錄

  • Faster-RCNN-TensorFlow-Python3.5 在Ubuntu16.04下的配置方法
    • 安裝過程
      • 1. 深度學(xué)習(xí)環(huán)境Tensorflow的安裝
      • 2. 安裝python包
      • 3. ?Go to ./data/coco/PythonAPI
      • 4. git clone
      • 5. 下載預(yù)訓(xùn)練模型
      • 6. 自己數(shù)據(jù)集的制作
      • 7. 替換成自己的數(shù)據(jù)
      • 11. 開始訓(xùn)練
      • 12. 跑demo.py

Faster-RCNN-TensorFlow-Python3.5 在Ubuntu16.04下的配置方法

安裝過程

1. 深度學(xué)習(xí)環(huán)境Tensorflow的安裝

參考這一篇博客:https://www.cnblogs.com/pprp/p/9463974.html

2. 安裝python包

cython, python-opencv, easydict,numpy

              
                pip install Cython
pip install opencv-python
pip install matplotlib
              
            

opencv 的包下載安裝,安裝教程

  • ImportError: No module named 'PIL'

    • solution: easy_install PIL ?&? pip install image
  • ImportError: No module named 'scipy'

    • solution:

                            
                               pip install numpy 
       pip install scipy
                            
                          
  • ImportError: No module named 'lib.utils.cython_bbox'

                      
                        git clone --recursive https://github.com/rbgirshick/fast-rcnn.git
    cd $FRCN_ROOT/lib
    make
    cp fast-rcnn/lib/utils/cython_bbox.cpython-35m-x86_64-linux-gnu.so Faster-RCNN-TensorFlow-Python3.5/lib/utils/
                      
                    

?

3. ?Go to ./data/coco/PythonAPI

? Run? python setup.py build_ext --inplace

? Run? python setup.py build_ext install

4. git clone

用git命令將這個(gè)庫下載到本地?Faster-RCNN-TensorFlow-Python3.5

              
                git clone https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5.git
# 將cython_bbox.cpython-36m-x86_64-linux-gnu.so下載下來
wget https://github.com/pprp/DL/blob/master/cython_bbox.cpython-36m-x86_64-linux-gnu.so
              
            

把Faster-RCNN_TF 中的cython_bbox.xxx.so 復(fù)制到 lib/utils

              
                cp cython_bbox.cpython-36m-x86_64-linux-gnu.so Faster-RCNN-TensorFlow-Python3.5/lib/utils
              
            

5. 下載預(yù)訓(xùn)練模型

Download pre-trained VGG16 from?here?and place it as "data\imagenet_weights\vgg16.ckpt"

              
                wget http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz
unzip vgg*
#重命名為vgg16.ckpt
cp vgg* vgg16.ckpt
#放到以下位置
mv vgg16.ckpt data\imagenet_weights\vgg16.ckpt
              
            

6. 自己數(shù)據(jù)集的制作

  • xml文件的制作需要labelImg軟件的幫助,這里提供在window下的exe包,打開即可使用

                      
                        wget https://github.com/pprp/DL/blob/master/LabelIMG.zip
                      
                    
    • 使用方法:
                      
                        Ctrl + u  加載目錄中的所有圖像,鼠標(biāo)點(diǎn)擊Open dir同功能
    Ctrl + r  更改默認(rèn)注釋目標(biāo)目錄(xml文件保存的地址) 
    Ctrl + s  保存
    Ctrl + d  復(fù)制當(dāng)前標(biāo)簽和矩形框
    space     將當(dāng)前圖像標(biāo)記為已驗(yàn)證
    w         創(chuàng)建一個(gè)矩形框
    d         下一張圖片
    a         上一張圖片
    del       刪除選定的矩形框
    Ctrl++    放大
    Ctrl--    縮小
    ↑→↓←        鍵盤箭頭移動選定的矩形框
                      
                    
  • 數(shù)據(jù)的放置結(jié)構(gòu)(自己手動建立)

              
                -data
    - VOCdevkit2007
        - VOC2007
            - Annotations (標(biāo)簽XML文件,用對應(yīng)的圖片處理工具人工生成的)
            - ImageSets (生成的方法是用sh或者M(jìn)ATLAB語言生成)
                - Main
                    - test.txt
                    - trian.txt
                    - trainval.txt
                    - val.txt
            - JPEGImages(原始文件)
              
            
  • Main中的四個(gè)txt文件的制作

    詳見附件二,注意要修改路徑位置,最好是絕對路徑

              
                xmlfilepath = 'Annotations'  
txtsavepath = 'ImageSets\Main'  
              
            

7. 替換成自己的數(shù)據(jù)

將制作好的數(shù)據(jù)按照以上的目錄結(jié)構(gòu)進(jìn)行放置

用你的Annotations,ImagesSets和JPEGImages替換…\Faster-RCNN-TensorFlow-Python3.5\data\VOCdevkit2007\VOC2007中對應(yīng)文件夾

8. 將原始代碼修改為適配你自己的代碼

    1. Pascal_VOC.py,修改自己的標(biāo)注的類別

                            
                              self._classes = ('__background__',  # always index 0
                       'aeroplane', 'bicycle', 'bird', 'boat',
                        'bottle', 'bus', 'car', 'cat', 'chair',
                        'cow', 'diningtable', 'dog', 'horse',
                        'motorbike', 'person', 'pottedplant',
                        'sheep', 'sofa', 'train', 'tvmonitor')
                            
                          

      將這些類別替換成你自己的類別。

                            
                              self.__classes=('__background__',
      '你的標(biāo)簽1','你的標(biāo)簽2',你的標(biāo)簽3','你的標(biāo)簽4')
                            
                          
    1. demo.py, 修改為自己的標(biāo)注類別

                            
                              CLASSES = ('__background__',
                  'aeroplane', 'bicycle', 'bird', 'boat',
                  'bottle', 'bus', 'car', 'cat', 'chair',
                  'cow', 'diningtable', 'dog', 'horse',
                  'motorbike', 'person', 'pottedplant',
                  'sheep', 'sofa', 'train', 'tvmonitor')
                            
                          

      更改為:

                            
                              CLASSES = ('__background__',
                 '你的標(biāo)簽1','你的標(biāo)簽2',你的標(biāo)簽3','你的標(biāo)簽4')
                            
                          
    1. demo.py 更改另外一處代碼:

                            
                              net.create_architecture(sess, "TEST", 21,tag='default', anchor_scales=[8, 16, 32])
                            
                          

      更改為:

                            
                              net.create_architecture(sess, "TEST", 5,tag='default', anchor_scales=[8, 16, 32])
                            
                          

      原本的代碼是有20類物體+背景,所以是21。 把類別數(shù)改為,你的類別+背景。如果是只檢測一類物體,那就改為2

    9. 出現(xiàn)的問題

可能出現(xiàn)以下報(bào)錯(cuò):

              
                m = cv2.imread(roidb[i][‘image’]) 
KeyError
              
            

解決:

將Faster-RCNN-TensorFlow-Python3.5-master\data\cache文件夾中之前生成的文件模型刪除。

因?yàn)闀约鹤x取cache中的文本,導(dǎo)致訓(xùn)練出現(xiàn)錯(cuò)誤。

10. 作出的其他調(diào)整
具體方案如下:

  • 將demo.py中main函數(shù)中進(jìn)行如下修改:

                      
                            # -----------------------
        # demonet = args.demo_net
        # dataset = args.dataset
        # -----------------------
        demonet = 'vgg16'
        dataset = 'pascal_voc'    
      # -----------------------
                      
                    
  • demo.py中main函數(shù)中將im_names中的內(nèi)容替換成自己的測試圖片

                      
                        im_names = ['IMG_1.jpg', 'IMG_40.jpg', 'IMG_23.jpg', 'IMG_127.jpg',
                    'IMG_134.jpg', 'IMG_185.jpg']
                      
                    

    然后將Faster-RCNN-TensorFlow-Python3.5/data/demo中替換上相應(yīng)的圖片

  • 將NETS,DATASETS進(jìn)行如下修改

    NETS = {'vgg16': ('vgg16.ckpt',)}

    DATASETS = {'pascal_voc': ('voc_2007_trainval',)}

  • 可以運(yùn)行了python demo.py

11. 開始訓(xùn)練

              
                python train.py
              
            

12. 跑demo.py

              
                #如果可以直接跑,就直接跑
python demo.py
              
            

如果不能運(yùn)行demo.py,則進(jìn)行以下處理:
找到通過訓(xùn)練得到的訓(xùn)練結(jié)果:路徑為:/Faster-RCNN-TensorFlow-Python3.5/default/voc_2007_trainval/default

內(nèi)容如下:

              
                checkpoint
vgg16.ckpt.data-00000-of-00001
vgg16.ckpt.index
vgg16.ckpt.meta
vgg16_faster_rcnn_iter_10000.ckpt.data-00000-of-00001
vgg16_faster_rcnn_iter_10000.ckpt.index
vgg16_faster_rcnn_iter_10000.ckpt.meta
vgg16_faster_rcnn_iter_10000.pkl
vgg16_faster_rcnn_iter_15000.ckpt.data-00000-of-00001
vgg16_faster_rcnn_iter_15000.ckpt.index
vgg16_faster_rcnn_iter_15000.ckpt.meta
vgg16_faster_rcnn_iter_15000.pkl
vgg16_faster_rcnn_iter_20000.ckpt.data-00000-of-00001
vgg16_faster_rcnn_iter_20000.ckpt.index
vgg16_faster_rcnn_iter_20000.ckpt.meta
vgg16_faster_rcnn_iter_20000.pkl
vgg16_faster_rcnn_iter_25000.ckpt.data-00000-of-00001
vgg16_faster_rcnn_iter_25000.ckpt.index
vgg16_faster_rcnn_iter_25000.ckpt.meta
vgg16_faster_rcnn_iter_25000.pkl
vgg16_faster_rcnn_iter_30000.ckpt.data-00000-of-00001
vgg16_faster_rcnn_iter_30000.ckpt.index
vgg16_faster_rcnn_iter_30000.ckpt.meta
vgg16_faster_rcnn_iter_30000.pkl
vgg16_faster_rcnn_iter_35000.ckpt.data-00000-of-00001
vgg16_faster_rcnn_iter_35000.ckpt.index
vgg16_faster_rcnn_iter_35000.ckpt.meta
vgg16_faster_rcnn_iter_35000.pkl
vgg16_faster_rcnn_iter_40000.ckpt.data-00000-of-00001
vgg16_faster_rcnn_iter_40000.ckpt.index
vgg16_faster_rcnn_iter_40000.ckpt.meta
vgg16_faster_rcnn_iter_40000.pkl
vgg16_faster_rcnn_iter_5000.ckpt.data-00000-of-00001
vgg16_faster_rcnn_iter_5000.ckpt.index
vgg16_faster_rcnn_iter_5000.ckpt.meta
vgg16_faster_rcnn_iter_5000.pkl
vgg16.pkl
              
            

將其中的

              
                vgg16_faster_rcnn_iter_40000.ckpt.data-00000-of-00001
vgg16_faster_rcnn_iter_40000.ckpt.index
vgg16_faster_rcnn_iter_40000.ckpt.meta
vgg16_faster_rcnn_iter_40000.pkl
              
            

文件復(fù)制到以下路徑
/Faster-RCNN-TensorFlow-Python3.5/output/vgg16/voc_2007_trainval/default/
并重命名為:

              
                vgg16.ckpt.data-00000-of-00001
vgg16.ckpt.index
vgg16.ckpt.meta
vgg16.pkl
              
            

修改完成,再次運(yùn)行 python demo.py

附件代碼:

下面是適用于我本地環(huán)境的MATLAB代碼

              
                %注意修改下面四個(gè)值  
xmlfilepath='/home/pprp/github/Faster-RCNN-TensorFlow-Python3.5/data/VOC2007/Annotations';  
txtsavepath='/home/pprp/github/Faster-RCNN-TensorFlow-Python3.5/data/VOC2007/ImageSets/Main';  
trainval_percent=0.5; #trainval占整個(gè)數(shù)據(jù)集的百分比,剩下部分就是test所占百分比  
train_percent=0.5; #train占trainval的百分比,剩下部分就是val所占百分比  

xmlfile=dir(xmlfilepath);  
numOfxml=length(xmlfile)-2;#減去.和..  總的數(shù)據(jù)集大小  

trainval=sort(randperm(numOfxml,floor(numOfxml*trainval_percent)));  
test=sort(setdiff(1:numOfxml,trainval));  

trainvalsize=length(trainval); #trainval的大小  
train=sort(trainval(randperm(trainvalsize,floor(trainvalsize*train_percent))));  
val=sort(setdiff(trainval,train));  

ftrainval=fopen([txtsavepath 'trainval.txt'],'w');  
ftest=fopen([txtsavepath 'test.txt'],'w');  
ftrain=fopen([txtsavepath 'train.txt'],'w');  
fval=fopen([txtsavepath 'val.txt'],'w');  

for i=1:numOfxml  
    if ismember(i,trainval)  
        fprintf(ftrainval,'%s\n',xmlfile(i+2).name(1:end-4));  
        if ismember(i,train)  
            fprintf(ftrain,'%s\n',xmlfile(i+2).name(1:end-4));  
        else  
            fprintf(fval,'%s\n',xmlfile(i+2).name(1:end-4));  
        end  
    else  
        fprintf(ftest,'%s\n',xmlfile(i+2).name(1:end-4));  
    end  
end  
fclose(ftrainval);  
fclose(ftrain);  
fclose(fval);  
fclose(ftest);
              
            

Python代碼:

              
                import os  
import random  
  
trainval_percent = 0.66  
train_percent = 0.5  
xmlfilepath = 'Annotations'  
txtsavepath = 'ImageSets\Main'  
total_xml = os.listdir(xmlfilepath)  
  
num=len(total_xml)  
list=range(num)  
tv=int(num*trainval_percent)  
tr=int(tv*train_percent)  
trainval= random.sample(list,tv)  
train=random.sample(trainval,tr)  
  
ftrainval = open('ImageSets/Main/trainval.txt', 'w')  
ftest = open('ImageSets/Main/test.txt', 'w')  
ftrain = open('ImageSets/Main/train.txt', 'w')  
fval = open('ImageSets/Main/val.txt', 'w')  
  
for i  in list:  
    name=total_xml[i][:-4]+'\n'  
    if i in trainval:  
        ftrainval.write(name)  
        if i in train:  
            ftrain.write(name)  
        else:  
            fval.write(name)  
    else:  
        ftest.write(name)  
  
ftrainval.close()  
ftrain.close()  
fval.close()  
ftest .close()

              
            

批量修改圖片名稱,以及XML名稱:

              
                import os
import glob
import shutil
# 目錄名稱,你要自己修改
_dir = "H:/mypic/"
file_name = os.listdir(_dir)
print(file_name)
 
n=1
for file in file_name:
    pic_name = os.listdir(_dir+file)
    #print(pic_name)
    for pic in pic_name:
        if os.path.isdir(_dir+file+'/'+pic):
            xml_name=os.listdir(_dir+file+"/"+pic)
            for xml in xml_name:
                shutil.copy( _dir+file+'/'+pic+"/"+xml, 'G:/data/VOCdevkit2007/VOC2007/Annotations/')
               # print(pic)
 
 
              #修改個(gè)別XML名稱
              # if xml == '1000010.xml':
                   #print(dir + file + '/' + pic)
                  # os.rename(_dir+file + '/' + pic + '/' + xml, _dir + file + '/' + pic + "/" + "100010.xml")
 
 
               # oldname = _dir+file+'/'+pic+"/"+xml
               # newname = _dir+file+'/'+pic+"/"+ str(n).zfill(6) + ".xml"
                #os.rename(oldname, newname)
                #n = n + 1
               # print(oldname, '--->', newname)
 
    # zfill是一個(gè)自動補(bǔ)零的函數(shù) 6 就是一共六位 不足的補(bǔ)零 只有字符串才有這個(gè)函數(shù) 所以轉(zhuǎn)換了
    # newname = _dir+str(xml_name.index(xml)+1).zfill(6)+".xml"
 
"""
#批量修改圖片的名稱
n=1
for file in file_name:
    pic_name = os.listdir(_dir+file)
    print(pic_name)
    for pic in pic_name:
        oldname = _dir+file+"/"+pic
        newname = _dir+file+"/" + str(n).zfill(6) + ".jpg"
        os.rename(oldname, newname)
        n = n + 1
        print(oldname, '--->', newname)
    # zfill是一個(gè)自動補(bǔ)零的函數(shù) 6 就是一共六位 不足的補(bǔ)零 只有字符串才有這個(gè)函數(shù) 所以轉(zhuǎn)換了
    # newname = _dir+str(xml_name.index(xml)+1).zfill(6)+".xml"
"""
              
            

修改對應(yīng)xml文件

              
                import os
import re
 
_dir = "G:/Annotations/"
xmlList = os.listdir(_dir)
n = 1
for xml in xmlList:
    #f = open(_dir + xml, "r")
    f = open(_dir + xml, "r", encoding='utf-8')
    xmldata = f.read()
    xmldata = re.sub('\
                
                  (.*?)\
                
                ', '
                
                  G:/data/VOCdevkit2007/VOC2007/JPEGImages/' + str(n).zfill(6) + '.jpg
                
                ', xmldata)
    f.close()
    f = open(_dir + xml, "w")
    f.write(xmldata)
    f.close()
    n += 1

              
            

pascal_voc.py的一些解讀

              
                 def init(self, image_set, year,devkit_path=None)
/*這個(gè)是初始化函數(shù),它對應(yīng)著的是pascal_voc的數(shù)據(jù)集訪問格式,其實(shí)我們將其接口修改的更簡單一點(diǎn)*/

def image_path_at(self, i)
/*根據(jù)第i個(gè)圖像樣本返回其對應(yīng)的path,其調(diào)用了image_path_from_index(self, index)作為其具體實(shí)現(xiàn)*/

def image_path_from_index(self, index)
//實(shí)現(xiàn)了 image_path的具體功能

def _load_image_set_index(self)
//加載了樣本的list文件

def _get_default_path(self)
//獲得數(shù)據(jù)集地址

def gt_roidb(self)
//讀取并返回ground_truth(真實(shí)值,設(shè)定的一個(gè)正確的基準(zhǔn))的db

def selective_search_roidb
//讀取并返回ROI的db

def _load_selective_search_roidb(self, gt_roidb)
//加載預(yù)選框的文件

def selective_search_IJCV_roidb(self)
//在這里調(diào)用讀取Ground_truth和ROI db并將db合并

def _load_selective_search_IJCV_roidb(self, gt_roidb)
//這里是專門讀取作者在IJCV上用的dataset

def _load_pascal_annotation(self, index)
//這個(gè)函數(shù)是讀取gt的具體實(shí)現(xiàn)

def _write_voc_results_file(self, all_boxes)
//voc的檢測結(jié)果寫入到文件

def _do_matlab_eval(self, comp_id, output_dir='output')
//根據(jù)matlab的evluation接口來做結(jié)果的分析

def evaluate_detections
//其調(diào)用了_do_matlab_eval

def competition_mode
//設(shè)置competitoin_mode,加了一些噪點(diǎn)
              
            

reference

https://blog.csdn.net/jcli1_14/article/details/81458847

https://blog.csdn.net/hzhj2007/article/details/79399587

代碼改變世界


二、【UnrecognizedFlagError:Unknown command line flag 'f'】

Linux_Faster_RCNN_TensorFlow_Python3_5_master 心路歷程(踩坑筆記)_第1張圖片

這是在jupyter上運(yùn)行faster-rcnn遇到的錯(cuò)誤...在window上的pycharm下是不會報(bào)這個(gè)錯(cuò)的。由于我用的是超算服務(wù)器節(jié)點(diǎn)(有TeslaK40顯卡,不算很好,不過還湊合了)的linux,上面就只能用jupyter來運(yùn)行或者在命令行運(yùn)行。據(jù)查是jupyter不支持這樣用沒定義的flag???我在程序開頭寫了flag定義(FLAGS = tf.app.flags.FLAGS),也不行。

問題原因: 用到了ims_per_batch這個(gè)字符串,卻沒有在config.py中的FLAG里去定義它。

解決辦法: 在此程序開頭寫

            
              tf.app.flags.DEFINE_string('f', '', 'ims_per_batch')
            
          

?

請參看代碼截圖: Linux_Faster_RCNN_TensorFlow_Python3_5_master 心路歷程(踩坑筆記)_第2張圖片

三、【AssertionError: Path does not exist: /WANGZAI/Faster_RCNN_TensorFlow_Python3_5_master/data/VOCdevkit2007/VOC2007/ImageSets/Main/trainval.txt 】

我用find -name?trainval.txt找到了這個(gè)路徑下是有的,但就是會報(bào)路徑不存在這個(gè)斷言,于是細(xì)心的再對一遍路徑發(fā)現(xiàn):我的文件夾名寫錯(cuò)了一個(gè),VOCdevkit2007寫成了VOCDevkit2007。實(shí)在無語,這個(gè)是我在windows上弄好的,沒問題不會報(bào)錯(cuò)的,到了linux+jupyter就報(bào)錯(cuò)。

解決辦法: 修改VOCDevkit2007為VOCdevkit2007即可。

?

最后總結(jié)一些Faster-RCNN訓(xùn)練過程中需要用到的參考網(wǎng)址,可能不全。

faster r-cnn(準(zhǔn)備階段)(RPN、Anchor、感受野、region proposal)

python3+Tensorflow+Faster R-CNN訓(xùn)練自己的數(shù)據(jù)

詳細(xì)的Faster R-CNN源碼解析之RPN源碼解析

Linux TensorFlow implementation of Faster R-CNN

博客園首頁新隨筆聯(lián)系訂閱管理 隨筆 - 305 文章 - 0 評論 - 12 Faster-RCNN-TensorFlow-Python3.5 在Ubuntu16.04下的配置方法

基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)演進(jìn):R-CNN、Fast R-CNN、Faster R-CNN

實(shí)例分割模型Mask R-CNN詳解:從R-CNN,F(xiàn)ast R-CNN,F(xiàn)aster R-CNN再到Mask R-CNN

基于tensorflow+python3.5環(huán)境實(shí)現(xiàn)Faster R-CNN 下載cython_bbox.cpython-35m-x86_64-linux-gnu.so

faster-rcnn tensorflow windows demo測試

faster-rcnn tensorflow windows demo運(yùn)行

Windows 下 TensorFlow 和 Faster rcnn 詳細(xì)安裝步驟(二)

dBeker Tensorflow Faster R-CNN for Windows by using Python 3.5

windows 安裝 pycocotools 方法(windows10編譯 Pycocotools出錯(cuò)解決方案最新)

Faster R-CNN / Mask R-CNN on COCO

?

2018-11-10


更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯(lián)系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點(diǎn)擊下面給點(diǎn)支持吧,站長非常感激您!手機(jī)微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點(diǎn)擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發(fā)表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 欧美性视频一区二区三区 | 国产精品成人va | 久久网在线 | 97在线观看中心 | 99热久久这里只有精品 | 被公侵犯肉体中文字幕一区二区 | 九九成人 | 久久99国产精一区二区三区 | 91色综合 | 国产高清在线精品免费 | 中文字幕在线一区二区三区 | 免费一级黄色片 | 久久久不卡 | 日本免费黄色小视频 | 久久久久久久久久久观看 | 性欧美疯狂猛交69hd | 亚洲美女视频网站 | 国产精品久久久久这里只有精品 | 女性下面全部视频免费 | 男人的天堂免费在线观看 | 天堂素人在线 | 国产精品夜色视频一区二区 | 久久精品美女视频 | 狠狠色噜噜狠狠狠狠五月婷 | 天天操天天干天搞天天射 | 香蕉久久久 | 欧美午夜片 | 99国产精品国产精品 | 亚洲欧美日韩一区二区在线观看 | 欧美日韩成人在线 | 精品亚洲欧美高清不卡高清 | 91精品全国免费观看老司机 | 午夜在线观看免费影院 | 国产成人综合精品一区 | 久久国产欧美另类久久久 | 在线亚洲播放 | 精品免费视频 | 黄色网欧美 | 欧美日韩亚洲综合久久久 | 中文字幕色婷婷在线视频 | 男人影院在线观看 |