caffe項目實踐：實作YOLO對物體進行檢測

這是一個18年畢業大學生的一個畢設題目，項目還沒有完成，在這裡會記錄下在caffe上實作YOLO的過程。歡迎大家和我交流！

20171123-前期準備：

1. 首先當然是YOLO作者的自留地：darknet
2. 一位在caffe添加了自己寫的層
3. YOLO算法的Caffe實作
4. caffe 添加YOLO新層Leaky Layer

5. 在微軟caffe上實作yolov1的訓練和預測（windows cpu） 

   github上關于caffe-yolo項目 

   https://github.com/hojel/caffe-yolo-model 

   https://github.com/yeahkun/caffe-yolo 

   https://github.com/xingwangsfu/caffe-yolo 

   大緻看了一下以後感覺要看一下caffe 的源碼，添加一些caffe目前沒有的層和改變caffe最後的激活函數。

20171124-閱讀caffe源碼教程： 

caffe源碼解析的三個部落格分享 

caffe目錄結構 及 caffe源碼檔案說明

1. 學習了解有關C++的基礎知識，編寫自己需要的layer。 （c++相關課程，請大家也多多推薦哦）
2. 調研目前業界常用的物體檢測的開放樣本集并收集整理。
3. 制定一個選取負樣本的政策。

～20171220： 

之前幾天主要完成到工作:

1. 完成正樣本制作1.5w張，負樣本制作0.05w張;
2. 在ubuntu環境下搭建caffe（ubuntu16.04+cuda+cuDNN+anacoda3+caffe）

~20180410 

我還在搞這個項目啊，現在我從github裡面下了一個基于Caffe的YOLO模型，改成了中間自己的參數，雖然過程中沒有什麼難點但是實際操作上碰到了一些坑。

1. 比如說有時候會在訓練bith_size 太大的時候，會報會記憶體不過的錯誤

   Check failed: error == cudaSuccess (2 vs. 0) out of memory

   。這是時候對應的解決方案是在指令台輸入

   nvidia-smi

   得到正在運作的GPU的PID，使用如下代碼。如果進行如下操作還是報相同錯誤，那就應該嘗試将bitch_size改小。

   kill -9 PID

2. 有時候在使用python調用caffe的時候

   ImportError: No module named 'caffe'

   的報錯，但是你在項目導入過程中不僅

   make pycaffe

    了，而且在桌面的python下面，

   import caffe

   也沒有報錯，那很有可能是因為你的py檔案缺少下面一段話：
   • 1
3. 在基于caffe使用别人寫的網絡的過程中，經常會出現要調用不同版本的python情況。網上也有很多很友善的方法，下面是本人經常使用更換ubuntu系統預設python版本的方法（以将python3.5換成python2.7為例）：

   ~$ python --version //檢視系統python自帶版本
   Python 
   ~$ whereis python2 //搜尋系統是否已經安裝python2.7
   python2: /usr/bin/python2-config /usr/bin/python2
   /usr/bin/python2 /usr/lib/python2 /etc/python2
   /usr/local/lib/python2 /usr/include/python2
   /usr/share/man/man1/python2.gz
   //若結果裡面有/usr/bin/python2.7說明已經安裝
   //如果沒有則需要手動安裝
   ~$ sudo rm /usr/bin/python //删除原有的python連接配接檔案
   ~$ sudo ln -s /usr/bin/python2  /usr/bin/python  //然後建立指向python2.7的軟連結
   $ PATH=/usr/bin:$PATH //把路徑/usr/bin/加入環境變量PATH中
              

   • 1
   • 2
   • 3
   • 4
   • 5
   • 6
   • 7
   • 8
   • 9
   • 10
   • 11
   • 12
4. 重新裝完python以後，肯定就是要import caffe。在import caffe之前需要下載下傳skimage

   sudo pip install scikit-image

   sudo pip install protobuf

因為直接拿别人的代碼來會比較簡單，是以我現在的思路是

1. 首先把一個基于Caffe的YOLO網絡和SSD跑通，YOLO使用的網絡是yeahkun 的，SSD使用的是 

   weiliu89的，并且還附有ssd_pacal.py的源碼解讀（20180411完成）

2. 然後再用自己的資料集在上面跑通，這裡當然會有一些了解網絡參數，修改參數符合自己資料集的過程，進行一些對網絡性能的評估運算;（20180410完成在YOLO上面的自己資料集的運作）
3. 接着對YOLO網絡進行一些調參的訓練，這個過程也是一個看代碼學習的過程。
4. 最後希望就是自己基于caffe寫一個網絡，可以是YOLO2或者YOLO3。

20180412 

我的Ubuntu系統根目錄滿了根本下不了東西了，我知道有多種清空記憶體的方法，但是我還是喜歡暴力簡單的，直接從win系統中分出一部分給ubuntu，下班之前搞一下。參考文章 

确定評估我的檢測網絡的标準。