【Faster R-CNN實作】基于pytorch-faster-rcnn的目标檢測完整流程

參考連結：pytorch-faster-rcnn

第一步：安裝Anaconda，參考【Ubuntu】安裝Anaconda并搭建虛拟環境和遷移

第二步：下載下傳pytorch及其他安裝包（注意以下所有操作都将在虛拟環境pytorch下進行）

• 下載下傳pytorch(CUDA版本)：https://pytorch.org/                                                                                                             

  conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
  
  # or use pip
  pip3 install torch torchvision
             

• 下載下傳opencv-python, easydict及matplotlib,scipy：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python, easydict==1.6, matplotlib, tensorboardX, scipy==1.2, PyYAML
           

• 若第二步使用pip下載下傳tensorboardX，略

第三步：安裝pytorch-faster-rcnn及資料接口

　　注意：若不是在虛拟環境下，Python COCO API将不能使用

第四步：準備資料集并連結（下載下傳PASCAL VOC 2007）

　　注意：在第４步中，完整指令應該是：

(pytorch) [email protected]:/data1/zzw/Pytorch-test/pytorch-faster-rcnn/data$ ln -s /data1/zzw/Datasets/VOCdevkit VOCdevkit2007
           

　　以上顯示是Datasets資料集的路徑，及資料集連結成功後的結果

第五步：下載下傳預訓練模型并連結

• Google drive here.

　　比如下載下傳res101模型并解壓，将res101_faster_rcnn_iter_110000.pth放到下面的目錄　　

　pytorch-faster-rcnn/data/voc_2007_trainval+voc_2012_trainval
           

　　接下來，在pytorch-faster-rcnn目錄下，使用以下指令建立一個output及其子檔案

NET=res101
TRAIN_IMDB=voc_2007_trainval+voc_2012_trainval
mkdir -p output/${NET}/${TRAIN_IMDB}
cd output/${NET}/${TRAIN_IMDB}
ln -s ../../../data/voc_2007_trainval+voc_2012_trainval ./default
cd ../../..
           

第六步：測試預訓練模型