Faster-RCNN用于场景文字检测训练测试过程记录（转）

[训练测试过程记录]Faster-RCNN用于场景文字检测

原创 2017年11月06日 20:09:00 
        <ul class="article_tags clearfix csdn-tracking-statistics tracking-click" data-mod="popu_377" style="display: none;">
            <li class="tit">标签：</li>

            <!--          [endarticletags]-->
        </ul>
        <ul class="right_bar">
            <li><button class="btn-noborder"><i class="icon iconfont icon-read"></i><span class="txt">609</span></button></li>
            <li class="edit" style="display: none;">
                <a class="btn-noborder" href="https://mp.csdn.net/postedit/78457624">
                    <i class="icon iconfont icon-bianji"></i><span class="txt">编辑</span>
                </a>
            </li>
            <li class="del" style="display: none;">
                <a class="btn-noborder" onclick="javascript:deleteArticle(fileName);return false;">
                    <i class="icon iconfont icon-shanchu"></i><span class="txt">删除</span>
                </a>
            </li>
        </ul>
    </div>
    <div id="article_content" class="article_content csdn-tracking-statistics tracking-click" data-mod="popu_519" data-dsm="post" style="overflow: hidden;">
                        <div class="htmledit_views">

写在前面：github上面的Text-Detection-with-FRCN项目是基于py-faster-rcnn项目在场景文字识别领域的扩展。

和py-faster-rcnn相比，该项目的主要改动为：将检测类别换成了背景和文字，并且更改了数据集。

对于初学者而言，要实现一个自己的baseline，第一步可以尝试训练别人已经实现了的网络，看看整个的运行流程是怎么样的。那么，接下来，我就记录一下我自己在训练和测试过程中遇到的问题。大家在参考的时候可以参照Text-Detection-with-FRCN项目中的README.md文件。

一.编译部分

在编译caffe的时候，可能会遇到一些问题，这里，我来介绍一下我遇到的问题。

１.Makefile.config.example文件修改问题

切换到caffe目录：cd $Text-Detection-with-FRCN/py-faster-rcnn/caffe-fast-rcnn

修改Makefile.config.example文件：

(1)去掉USE_CUDNN := 1的注释

# cuDNN acceleration switch (uncomment to build with cuDNN).
USE_CUDNN := 1

(2)去掉WITH_PYTHON_LAYER := 1的注释

# Uncomment to support layers written in Python (will link against Python libs)
WITH_PYTHON_LAYER := 1


2.CUDNN版本问题

在上一步中，修改了Makefile.config.example问题，再执行如下指令：

cp Makefile.config.example Makefile.config

make -16 && make pycaffe

在make的过程中，可能出现由于CUDNN版本问题导致的错误：

[plain] view plain copy
 print?
  1. In file included from ./include/caffe/util/device_alternate.hpp:40:0,    
  2.                      from ./include/caffe/common.hpp:19,    
  3.                      from src/caffe/common.cpp:7:    
  4.     ./include/caffe/util/cudnn.hpp: In function ‘void caffe::cudnn::createPoolingDesc(cudnnPoolingStruct**, caffe::PoolingParameter_PoolMethod, cudnnPoolingMode_t*, int, int, int, int, int, int)’:    
  5.     ./include/caffe/util/cudnn.hpp:127:41: error: too few arguments to function ‘cudnnStatus_t cudnnSetPooling2dDescriptor(cudnnPoolingDescriptor_t, cudnnPoolingMode_t, cudnnNanPropagation_t, int, int, int, int, int, int)’    
  6.              pad_h, pad_w, stride_h, stride_w));    
  7.                                              ^    
  8.     ./include/caffe/util/cudnn.hpp:15:28: note: in definition of macro ‘CUDNN_CHECK’    
  9.          cudnnStatus_t status = condition; \    
  10.                                 ^    
  11.     In file included from ./include/caffe/util/cudnn.hpp:5:0,    
  12.                      from ./include/caffe/util/device_alternate.hpp:40,    
  13.                      from ./include/caffe/common.hpp:19,    
  14.                      from src/caffe/common.cpp:7:    
  15.     /usr/local/cuda-7.5//include/cudnn.h:803:27: note: declared here    
  16.      cudnnStatus_t CUDNNWINAPI cudnnSetPooling2dDescriptor(    
  17.                                ^    
  18.     make: *** [.build_release/src/caffe/common.o] Error 1    

这是由于当前版本的caffe的cudnn实现与系统所安装的cudnn的版本不一致引起的。

解决办法：

下载最新版的caffe

1)将./include/caffe/util/cudnn.hpp换成最新版的caffe里的cudnn.hpp；

2)将./include/caffe/layers里面，所有以cudnn开头的文件，都换成最新版的caffe里面相应的同名文件；

3)将./src/caffe/layers里面，所有以cudnn开头的文件，都换成最新版的caffe里面相应的同名文件。

tips：其他部分的以cudnn开头的文件，就不要动了。


二.准备数据集

在Text-Detection-with-FRCN项目的readme中，给出了coco-text数据集的制作方式。下面，就来具体说明。

１.下载数据集

切换目录：cd $Text-Detection-with-FRCN/datasets/script

原指令为：./fetch_dataset.sh coco-text，可能会出现-bash: ./fetch_dataset.sh: Permission denied的错误。

可先运行：chmod +x ./fetch_dataset.sh

再运行： ./fetch_dataset.sh coco-text


下载到的数据集包括：train2014.zip文件和COCO_Text.json，下面，需要将数据进行格式化，与原py-faster-rcnn中的pascal_voc的数据格式进行统一。


2.数据格式化

(1)pascal_voc数据集的格式为：

－－Annotations

－－*.xml

－－JPEGImages

－－*.jpg

－－ImageSets

－－Ｍain

......

图像文件夹（JPEGImages）：例如2008_000200.jpg

标记文件夹（Annotations）：例如2008_000200.xml：

<annotation>

<folder>VOC2012</folder>

<filename>2008_000200.jpg</filename>

<source>

<database>TheVOC2008 Database</database>

<annotation>PASCALVOC2008</annotation>

<image>flickr</image>

</source>

<size>

<width>500</width>

<height>375</height>

<depth>3</depth>

</size>

<segmented>0</segmented>

<object>

<name>person</name>

<bndbox>

<xmin>119</xmin>

<ymin>76</ymin>

<xmax>184</xmax>

<ymax>311</ymax>

</bndbox>

</object>

......


区分训练样本与测试样本（ImageSets）：

以test.txt为例：

2008_000001

2008_000004

2008_000005

2008_000006


(2)coco-text的格式为：

图片集：Train2014.zip:COCO_train2014_000000378466.jpg

文件标记：

COCO_Text.json

{"imgs":

{"378466":{"width": 612, "file_name":"COCO_train2014_000000378466.jpg", "set":"train", "id": 378466, "height": 612},

"370250":{"width": 427, "file_name":"COCO_train2014_000000370250.jpg", "set": "test","id": 370250, "height": 640},

"36606":{"width": 640, "file_name":"COCO_train2014_000000036606.jpg", "set": "val","id": 36606, "height": 480}


(3)将coco-text的数据集格式转换为pascal_voc的格式


切换目录：cd $Text-Detection-with-FRCN/datasets/script

运行指令：./format_annotation.py --dataset coco-text


在format_annotation.py中：

１.format_coco_text函数，是利用coco-text.json中的信息，生成类似于pascal_voc的ImageSets文件夹中的信息。

2.os.system('./ann2voc2007.sh ' + args.dataset),是调用相同文件夹下面的ann2voc2007.m文件，来生成类似于pascal_voc的Annotations文件夹中的信息。


如果不想花时间安装matlib，可以将ann2voc2007.m改写为python文件，效果是一样的。


改写后的代码如下：（具体原理可参考：利用python生成xml文件）

[python] view plain copy
 print?
  1. #coding:utf-8  
  2. from PIL import Image  
  3. from xml.dom.minidom import Document  
  4. import os  
  5.   
  6. def main():  
  7.     imgpath = 'JPEGImages/'  
  8.     txtpath = 'images.annotations'  
  9.     xmlpath_new = 'Annotations/'  
  10.     coco = {}  
  11.       
  12.     #　得到图像的标注信息  
  13.     file_object = open(txtpath,'rU')  
  14.     try:   
  15.         for line in file_object:  
  16.             line = line.rstrip('\n')  
  17.             strs = line.split(' ')  
  18.             print strs[0]  
  19.             foldername = 'VOC2007'  
  20.               
  21.             #　用xml替换jpg，得到同名文件  
  22.             xmlname = strs[0].replace('.jpg','.xml')  
  23.             info = Image.open(imgpath + strs[0])  
  24.             # read image size  
  25.             (width,height) = info.size  
  26.             strs[2] = max(int(strs[2]), 1)  
  27.             strs[3] = max(int(strs[3]), 1)  
  28.             strs[4] = min(int(strs[4]), width);  
  29.             strs[5] = min(int(strs[5]), height);  
  30.   
  31.             # 过滤异常  
  32.             if strs[2] >= strs[4] or strs[3] >= strs[5] or strs[2] <=0 or strs[3] <= 0 or strs[4] > width or strs[5] > height:  
  33.                 continue  
  34.               
  35.             if os.path.exists(imgpath + strs[0]):  
  36.                 if xmlname in coco:  
  37.                     Createnode = coco[xmlname]  
  38.                     object_node = Createnode.createElement('object')  
  39.                       
  40.                     Root = Createnode.getElementsByTagName('annotation')[0]  
  41.                     Root.appendChild(object_node)  
  42.                       
  43.                     node=Createnode.createElement('name')  
  44.                     node.appendChild(Createnode.createTextNode(strs[1]))  
  45.                     object_node.appendChild(node)  
  46.                       
  47.                     node=Createnode.createElement('pose')  
  48.                     node.appendChild(Createnode.createTextNode('Unspecified'))  
  49.                     object_node.appendChild(node)  
  50.                       
  51.                     node=Createnode.createElement('truncated')  
  52.                     node.appendChild(Createnode.createTextNode('0'))  
  53.                     object_node.appendChild(node)  
  54.                       
  55.                     node=Createnode.createElement('difficult')  
  56.                     node.appendChild(Createnode.createTextNode('0'))  
  57.                     object_node.appendChild(node)  
  58.                       
  59.                     bndbox_node=Createnode.createElement('bndbox')  
  60.                     object_node.appendChild(bndbox_node)  
  61.                       
  62.                     node=Createnode.createElement('xmin')  
  63.                     node.appendChild(Createnode.createTextNode(str(strs[2])))  
  64.                     bndbox_node.appendChild(node)  
  65.                       
  66.                     node=Createnode.createElement('ymin')  
  67.                     node.appendChild(Createnode.createTextNode(str(strs[3])))  
  68.                     bndbox_node.appendChild(node)  
  69.                       
  70.                     node=Createnode.createElement('xmax')  
  71.                     node.appendChild(Createnode.createTextNode(str(strs[4])))  
  72.                     bndbox_node.appendChild(node)  
  73.                       
  74.                     node=Createnode.createElement('ymax')  
  75.                     node.appendChild(Createnode.createTextNode(str(strs[5])))  
  76.                     bndbox_node.appendChild(node)  
  77.                 else:  
  78.                     Createnode=Document()  #创建DOM文档对象  
  79.                       
  80.                     Root=Createnode.createElement('annotation') #创建根元素  
  81.                     Createnode.appendChild(Root)  
  82.                       
  83.                     # folder  
  84.                     folder=Createnode.createElement('folder')  
  85.                     folder.appendChild(Createnode.createTextNode(foldername))  
  86.                     Root.appendChild(folder)  
  87.                       
  88.                     # filename  
  89.                     filename = Createnode.createElement('filename')  
  90.                     filename.appendChild(Createnode.createTextNode(strs[0]))  
  91.                     Root.appendChild(filename)  
  92.                       
  93.                     # source  
  94.                     source_node = Createnode.createElement('source')  
  95.                     Root.appendChild(source_node)  
  96.                       
  97.                     node = Createnode.createElement('database')  
  98.                     node.appendChild(Createnode.createTextNode('MS COCO-Text'))  
  99.                     source_node.appendChild(node)  
  100.                       
  101.                     node = Createnode.createElement('annotation')  
  102.                     node.appendChild(Createnode.createTextNode('MS COCO-Text 2014'))  
  103.                     source_node.appendChild(node)  
  104.               
  105.                     node=Createnode.createElement('image')  
  106.                     node.appendChild(Createnode.createTextNode('NULL'))  
  107.                     source_node.appendChild(node)  
  108.               
  109.                     node=Createnode.createElement('flickrid');  
  110.                     node.appendChild(Createnode.createTextNode('NULL'));  
  111.                     source_node.appendChild(node);  
  112.                       
  113.                     # owner  
  114.                     owner_node=Createnode.createElement('owner')  
  115.                     Root.appendChild(owner_node)  
  116.                       
  117.                     node=Createnode.createElement('flickrid')  
  118.                     node.appendChild(Createnode.createTextNode('NULL'))  
  119.                     owner_node.appendChild(node)  
  120.                       
  121.                     node=Createnode.createElement('name')  
  122.                     node.appendChild(Createnode.createTextNode('ligen'))  
  123.                     owner_node.appendChild(node)  
  124.                       
  125.                     # size  
  126.                     size_node=Createnode.createElement('size')  
  127.                     Root.appendChild(size_node)  
  128.                       
  129.                     node=Createnode.createElement('width')  
  130.                     node.appendChild(Createnode.createTextNode(str(width)))  
  131.                     size_node.appendChild(node)  
  132.                       
  133.                     node=Createnode.createElement('height');  
  134.                     node.appendChild(Createnode.createTextNode(str(height)))  
  135.                     size_node.appendChild(node)  
  136.                       
  137.                     node=Createnode.createElement('depth')  
  138.                     node.appendChild(Createnode.createTextNode('3'))  
  139.                     size_node.appendChild(node)  
  140.                       
  141.                     # segmented  
  142.                     node=Createnode.createElement('segmented')  
  143.                     node.appendChild(Createnode.createTextNode('0'))  
  144.                     Root.appendChild(node)  
  145.                       
  146.                     # object  
  147.                     object_node=Createnode.createElement('object')  
  148.                     Root.appendChild(object_node)  
  149.                       
  150.                     node=Createnode.createElement('name')  
  151.                     node.appendChild(Createnode.createTextNode(strs[1]))  
  152.                     object_node.appendChild(node)  
  153.                       
  154.                     node=Createnode.createElement('pose')  
  155.                     node.appendChild(Createnode.createTextNode('Unspecified'))  
  156.                     object_node.appendChild(node)  
  157.                       
  158.                     node=Createnode.createElement('truncated')  
  159.                     node.appendChild(Createnode.createTextNode('0'))  
  160.                     object_node.appendChild(node)  
  161.                       
  162.                     node=Createnode.createElement('difficult')  
  163.                     node.appendChild(Createnode.createTextNode('0'))  
  164.                     object_node.appendChild(node)  
  165.                       
  166.                     bndbox_node=Createnode.createElement('bndbox')  
  167.                     object_node.appendChild(bndbox_node)  
  168.                       
  169.                     node=Createnode.createElement('xmin')  
  170.                     node.appendChild(Createnode.createTextNode(str(strs[2])))  
  171.                     bndbox_node.appendChild(node)  
  172.                       
  173.                     node=Createnode.createElement('ymin')  
  174.                     node.appendChild(Createnode.createTextNode(str(strs[3])))  
  175.                     bndbox_node.appendChild(node)  
  176.                       
  177.                     node=Createnode.createElement('xmax')  
  178.                     node.appendChild(Createnode.createTextNode(str(strs[4])))  
  179.                     bndbox_node.appendChild(node)  
  180.                       
  181.                     node=Createnode.createElement('ymax')  
  182.                     node.appendChild(Createnode.createTextNode(str(strs[5])))  
  183.                     bndbox_node.appendChild(node)  
  184.                       
  185.                     coco[xmlname] = Createnode  
  186.               
  187.     finally:  
  188.          file_object.close()  
  189.     print 'begin load xml...'  
  190.     for key in coco:  
  191.         print key  
  192.         f = open(xmlpath_new + key,'w')  
  193.         f.write(coco[key].toprettyxml(indent = '\t'))  
  194.         f.close()  
  195.   
  196. if __name__ == "__main__":  
  197.     main()  


最后，再运行rm_headline.sh。就得到我们所需要的数据集。

我得到的文件目录如下：


在Annotations的目录下，


在JPEGImages的目录下，


在ImageSets的目录下，


以train.txt为例，包含的内容为：

COCO_train2014_000000351622
COCO_train2014_000000058397
COCO_train2014_000000282380
COCO_train2014_000000223830
......

均为文件名


3.创建软链接

软链接就是：ln -s 　源文件　目标文件

在代码中给出的数据集的目录为：train_data

因此，需要将上面得到的coco-text的目录链接到train_data上。

在github的readme中，给出的软链接操作为：

# link your data folder to train_data
cd $Text-Detection-with-FRCN/datasets/
ln -s train_data coco-text    # $YOUR_DATA
但是在我实际操作的时候，是需要:

ln -s coco-text train_data　的。


三.下载预训练模型

首先，下载在imagenet上面预先训练好的模型。

# finetune on this model, you can also use one model you train before
cd $Text-Detection-with-FRCN/py-faster-rcnn
./data/scripts/fetch_imagenet_models.sh
# download it takes long!
可能由于这个项目clone　“py-faster-rcnn”　的时间比较早，这里面/data/scripts文件夹下面,fetch_imagenet_models.sh中的下载url已经不能用了。该文件夹下面的其他.sh文件中的url应该也都失效了。

新的py-faster-rcnn中已经对此做了更正。fetch_imagenet_models.sh中的url可改为：

[python] view plain copy
 print?
  1. ......  
  2. 6 FILE=imagenet_models.tgz  
  3. 7 URL=https://dl.dropbox.com/s/gstw7122padlf0l/imagenet_models.tgz?dl=0  
  4. 8 CHECKSUM=ed34ca912d6782edfb673a8c3a0bda6d  
  5. .....  

具体更改位置为第８行。

注意：下载需要FQ。


三.开始训练

切换目录：

cd $Text-Detection-with-FRCN/py-faster-rcnn/

运行指令：

./experiments/scripts/faster_rcnn_end2end.sh 0 VGG16 pascal_voc

需要注意的是：在运行指令的时候，需要切换到指定的目录。

运行的时候，可能会保错：

1)TypeError: 'numpy.float64' object cannot be interpreted as an index


2)TypeError: slice indices must be integers or None or have an index method

这两个问题的出现，都是由于Numpy的版本问题。在numpy 1.12.0中，不支持float index。类似于x[1.0, 3.0]，会被看作无效。

解决这个问题，有如下可能的解决办法：

1.对numpy进行降级

sudo pip install -U numpy==1.11.0

但是这种做法，可能会引入新的错误：

ImportError: numpy.core.multiarray failed to import 

解决这个问题是要升级numpy ，于是又升回去：pip install -U numpy 

所以，只能逐个将float类型转换为int类型

2.目前发现的几处需要进行修改的地方：

1.添加astype(np.int)

lib/roi_data_layer/minibatch.py line 26：将fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image)

改为：fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image).astype(np.int)

同理，其他需要在末尾添加.astype(np.int) 的地方：

lib/datasets/ds_utils.py line 12 : hashes = np.round(boxes * scale).dot(v)

lib/fast_rcnn/test.py line 129 : hashes = np.round(blobs['rois'] * cfg.DEDUP_BOXES).dot(v)

lib/rpn/proposal_target_layer.py line 60 : fg_rois_per_image = np.round(cfg.TRAIN.FG_FRACTION * rois_per_image)

2.强制转化为int类型

lib/roi_data_layer/minibatch.py line173：将cls = clss[ind]　改为：cls = int(clss[ind])

lib/rpn/proposal_target_layer.py line 124：将cls = clss[ind]　改为：cls = int(clss[ind])

四.训练模型

当解决了上面所有的问题，我们就可以开始训练了。

具体训练过程:

1.创建输入层

layer_factory.hpp:77 Creatinglayer input-data

net.cpp:106 CreatingLayer input-data

net.cpp:411 input-data-> data

net.cpp:411 input-data-> im_info

net.cpp:411 input-data-> gt_boxes

net.cpp:150 Settingup input-data

net.cpp:157 Topshape: 1 3 600 1000 (1800000)

net.cpp:157 Topshape: 1 3 (3)

net.cpp:157 Topshape: 1 4 (4)

net.cpp:165 Memoryrequired for data: 7200028

............


2.创建卷积层

layer_factory.hpp:77 Creatinglayer conv1_1

net.cpp:106 CreatingLayer conv1_1

net.cpp:454 conv1_1<- data_input-data_0_split_0

net.cpp:411 conv1_1-> conv1_1

net.cpp:150 Settingup conv1_1

net.cpp:157 Topshape: 1 64 600 1000 (38400000)

net.cpp:165 Memoryrequired for data: 175200084

............


3.创建激活层

layer_factory.hpp:77 Creatinglayer relu1_1

net.cpp:106 CreatingLayer relu1_1

net.cpp:454 relu1_1<- conv1_1

net.cpp:397 relu1_1-> conv1_1 (in-place)

net.cpp:150 Settingup relu1_1

net.cpp:157 Topshape: 1 64 600 1000 (38400000)

net.cpp:165 Memoryrequired for data: 328800084

............


判断是否需要反向计算(back forward)

部分需要反向计算：

net.cpp:226 loss_bboxneeds backward computation.

loss_clsneeds backward computation.

bbox_predneeds backward computation.

cls_scoreneeds backward computation.

fc7_drop7_0_splitneeds backward computation.

............


部分不需要反向计算：

net.cpp:228pool2does not need backward computation.

relu2_2does not need backward computation.

conv2_2does not need backward computation.

relu2_1does not need backward computation.

conv2_1does not need backward computation.

input-datadoes not need backward computation.

............


整个网络初始化完毕：

net.cpp:270 Thisnetwork produces output loss_bbox

Thisnetwork produces output loss_cls

Thisnetwork produces output rpn_cls_loss

Thisnetwork produces output rpn_loss_bbox

Networkinitialization done.

solver.cpp:60 Solverscaffolding done.


开始迭代，输出结果：

solver.cpp:229 Iteration0, loss = 1.98441

solver.cpp:245：

Trainnet output #0: loss_bbox = 0.00188451 (* 1 = 0.00188451 loss)

Trainnet output #1: loss_cls = 0.484446 (* 1 = 0.484446 loss)

Trainnet output #2: rpn_cls_loss = 0.766564 (* 1 = 0.766564 loss)

Trainnet output #3: rpn_loss_bbox = 0.484638 (* 1 = 0.484638 loss)

sgd_solver.cpp:106：Iteration0, lr = 0.001


solver.cpp:229 Iteration20, loss = 1.58353

solver.cpp:245：

Trainnet output #0: loss_bbox = 0.00184912 (* 1 = 0.00184912 loss)

Trainnet output #1: loss_cls = 0.213403 (* 1 = 0.213403 loss)

Trainnet output #2: rpn_cls_loss = 0.444577 (* 1 = 0.444577 loss)

Trainnet output #3: rpn_loss_bbox = 0.818097 (* 1 = 0.818097 loss)

sgd_solver.cpp:106:Iteration20, lr = 0.001


.......


solver.cpp:229 Iteration69980, loss =0.374131

solver.cpp:245：

Trainnet output #0: loss_bbox =0.00462239 (* 1 =0.00462239 loss)

Trainnet output #1: loss_cls =0.00527413 (* 1 =0.00527413 loss)

Trainnet output #2: rpn_cls_loss =0.0607663 (* 1 =0.0607663 loss)

Trainnet output #3: rpn_loss_bbox =0.139714 (* 1 =0.139714 loss)

sgd_solver.cpp:106:Iteration69980, lr = 0.001



real 681m44.284s
user 565m0.152s
sys 115m29.578s


生成的模型

保存在：

/Text-Detection-with-FRCN/py-faster-rcnn/output/faster_rcnn_end2end/voc_2007_trainval文件夹中。

vgg16_faster_rcnn_iter_*.caffemodel中，其中*为迭代次数

每迭代10000次，生成一个模型。迭代了70000次，共生成了７个模型。

五.测试模型

实际上，在./experiments/scripts/faster_rcnn_end2end.sh 中，训练完毕后会对模型进行测试。

那么，怎样单独执行测试呢？

切换目录：

cd $Text-Detection-with-FRCN/py-faster-rcnn/

运行指令：

tools/test_net.py --gpu 0

 --def models/coco_text/VGG16/faster_rcnn_end2end/test.prototxt \

--netoutput/faster_rcnn_end2end/voc_2007_trainval/vgg16_faster_rcnn_iter_70000.caffemodel\

--imdb voc_2007_test\

--cfg experiments/cfgs/faster_rcnn_end2end.yml \


1.运行可能出现的错误：

File "/Text-Detection-with-FRCN/py-faster-rcnn/tools/../lib/datasets/voc_eval.py", line 23, in parse_rec
    obj_struct['bbox'] = [int(bbox.find('xmin').text),
ValueError: invalid literal for int() with base 10: '391.0'

解决方案：改为：

obj_struct['bbox'] = [int(float(bbox.find('xmin').text)),
                              int(float(bbox.find('ymin').text)),
                              int(float(bbox.find('xmax').text)),
                              int(float(bbox.find('ymax').text))]


2.测试运行结果：

对于vgg16_faster_rcnn_iter_70000.caffemodel：

AP for text = 0.3422
Mean AP = 0.3422
~~~~~~~~
Results:
0.342
0.342
~~~~~~~~


对于github中已经训练好的vgg16_faster_rcnn_fine_tune_on_coco.caffemodel：

AP for text = 0.1013
Mean AP = 0.1013
~~~~~~~~
Results:
0.101
0.101
~~~~~~~~

3.运行demo

在/Text-Detection-with-FRCN/script目录下，有text_detect_demo.sh文件：

./py-faster-rcnn/tools/text_detect_demo.py \
--gpu 0 \
--net models/deploy.prototxt \
--model models/vgg16_faster_rcnn_fine_tune_on_coco.caffemodel \
--dataset datasets/test


通过修改其中的model，来指定模型。

运行demo得到的结果：

左边:vgg16_faster_rcnn_iter_70000.caffemodel的测试结果，右边:github中已经训练好的vgg16_faster_rcnn_fine_tune_on_coco.caffemodel的测试结果。





posted @ 2018-04-25 15:22  追逐更好的自己  阅读(2082)  评论(0)  编辑  收藏  举报