? ? ? ? ?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。這個代碼在windows我已經調通過。過程中也是遇到windows下安裝pycocotools的難題，需要去下載一個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出錯解決方案最新）
#####################################################################################################
下面這兩個鏈接里面是支持windows的
Clone of COCO API - Dataset @ http://cocodataset.org/ - with changes to support Windows build and python3
下面這個是原版鏈接 （在windows上安裝會出問題，在linux下應該不會。我沒在linux下試過用這個安裝，因為我貌似直接參考其他CSND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出錯解決方案（不可取哦）
#####################################################################################################
好了下面進入正題
【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。導致程序運行過程中找不到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： 這個需要在linux下，準備好make文件放進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出錯的問題，開始是說文件修改時間和linux系統時間不一致，這個用linux命令將linux時間給更新到最新的當前時間就好。但是還是沒有解決，我索性直接搜到了好心人在網上的編譯好的cython_bbox.cpython-35m-x86_64-linux-gnu.so文件，拷貝進了utils文件夾里參見基于tensorflow+python3.5環境實現Faster R-CNN 下載cython_bbox.cpython-35m-x86_64-linux-gnu.so? ? ? 后來我的make又好了，用ls發現自己也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，之后程序再去運行就不會報沒有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等等網站了。。。
? ? ? ?博客園 靜心的文章,我也搬了過來，以做備份，內容如下：
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. 深度學習環境Tensorflow的安裝
- 2. 安裝python包
- 3. ?Go to ./data/coco/PythonAPI
- 4. git clone
- 5. 下載預訓練模型
- 6. 自己數據集的制作
- 7. 替換成自己的數據
- 11. 開始訓練
- 12. 跑demo.py
Faster-RCNN-TensorFlow-Python3.5 在Ubuntu16.04下的配置方法
安裝過程
1. 深度學習環境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 matplotlibopencv 的包下載安裝，安裝教程
ImportError: No module named 'PIL'
- solution:
easy_install PIL?&?pip install imageImportError: No module named 'scipy'
solution:
pip install numpy pip install scipyImportError: 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 install4. git clone
用git命令將這個庫下載到本地?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 復制到 lib/utils
cp cython_bbox.cpython-36m-x86_64-linux-gnu.so Faster-RCNN-TensorFlow-Python3.5/lib/utils5. 下載預訓練模型
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.ckpt6. 自己數據集的制作
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，鼠標點擊Open dir同功能 Ctrl + r 更改默認注釋目標目錄(xml文件保存的地址) Ctrl + s 保存 Ctrl + d 復制當前標簽和矩形框 space 將當前圖像標記為已驗證 w 創建一個矩形框 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據的放置結構（自己手動建立）
-data - VOCdevkit2007 - VOC2007 - Annotations (標簽XML文件，用對應的圖片處理工具人工生成的) - ImageSets (生成的方法是用sh或者MATLAB語言生成) - Main - test.txt - trian.txt - trainval.txt - val.txt - JPEGImages(原始文件)
Main中的四個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. 替換成自己的數據
將制作好的數據按照以上的目錄結構進行放置
用你的Annotations，ImagesSets和JPEGImages替換…\Faster-RCNN-TensorFlow-Python3.5\data\VOCdevkit2007\VOC2007中對應文件夾
8. 將原始代碼修改為適配你自己的代碼
Pascal_VOC.py，修改自己的標注的類別
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__', '你的標簽1','你的標簽2',你的標簽3','你的標簽4')
demo.py, 修改為自己的標注類別
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__', '你的標簽1','你的標簽2',你的標簽3','你的標簽4')
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. 出現的問題
可能出現以下報錯：
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。
因為會自己讀取cache中的文本，導致訓練出現錯誤。
10. 作出的其他調整
具體方案如下：
將demo.py中main函數中進行如下修改：
# ----------------------- # demonet = args.demo_net # dataset = args.dataset # ----------------------- demonet = 'vgg16' dataset = 'pascal_voc' # -----------------------demo.py中main函數中將im_names中的內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中替換上相應的圖片
將NETS，DATASETS進行如下修改
NETS = {'vgg16': ('vgg16.ckpt',)}
DATASETS = {'pascal_voc': ('voc_2007_trainval',)}可以運行了python demo.py
11. 開始訓練
python train.py12. 跑demo.py
#如果可以直接跑，就直接跑 python demo.py如果不能運行demo.py，則進行以下處理：
找到通過訓練得到的訓練結果：路徑為：/Faster-RCNN-TensorFlow-Python3.5/default/voc_2007_trainval/default內容如下：
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，再次運行
python demo.py附件代碼：
下面是適用于我本地環境的MATLAB代碼
%注意修改下面四個值 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占整個數據集的百分比，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.. 總的數據集大小 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是一個自動補零的函數 6 就是一共六位 不足的補零 只有字符串才有這個函數 所以轉換了 # 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是一個自動補零的函數 6 就是一共六位 不足的補零 只有字符串才有這個函數 所以轉換了 # newname = _dir+str(xml_name.index(xml)+1).zfill(6)+".xml" """修改對應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 += 1pascal_voc.py的一些解讀
def init(self, image_set, year,devkit_path=None) /*這個是初始化函數，它對應著的是pascal_voc的數據集訪問格式，其實我們將其接口修改的更簡單一點*/ def image_path_at(self, i) /*根據第i個圖像樣本返回其對應的path，其調用了image_path_from_index(self, index)作為其具體實現*/ def image_path_from_index(self, index) //實現了 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) //獲得數據集地址 def gt_roidb(self) //讀取并返回ground_truth(真實值，設定的一個正確的基準)的db def selective_search_roidb //讀取并返回ROI的db def _load_selective_search_roidb(self, gt_roidb) //加載預選框的文件 def selective_search_IJCV_roidb(self) //在這里調用讀取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) //這個函數是讀取gt的具體實現 def _write_voc_results_file(self, all_boxes) //voc的檢測結果寫入到文件 def _do_matlab_eval(self, comp_id, output_dir='output') //根據matlab的evluation接口來做結果的分析 def evaluate_detections //其調用了_do_matlab_eval def competition_mode //設置competitoin_mode，加了一些噪點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'】
這是在jupyter上運行faster-rcnn遇到的錯誤...在window上的pycharm下是不會報這個錯的。由于我用的是超算服務器節點（有TeslaK40顯卡，不算很好，不過還湊合了）的linux，上面就只能用jupyter來運行或者在命令行運行。據查是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：
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找到了這個路徑下是有的，但就是會報路徑不存在這個斷言，于是細心的再對一遍路徑發現：我的文件夾名寫錯了一個，VOCdevkit2007寫成了VOCDevkit2007。實在無語，這個是我在windows上弄好的，沒問題不會報錯的，到了linux+jupyter就報錯。
解決辦法： 修改VOCDevkit2007為VOCdevkit2007即可。
?
最后總結一些Faster-RCNN訓練過程中需要用到的參考網址，可能不全。
faster r-cnn（準備階段）（RPN、Anchor、感受野、region proposal）
python3+Tensorflow+Faster R-CNN訓練自己的數據
詳細的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
基于深度學習的目標檢測技術演進：R-CNN、Fast R-CNN、Faster R-CNN
實例分割模型Mask R-CNN詳解：從R-CNN，Fast R-CNN，Faster R-CNN再到Mask R-CNN
基于tensorflow+python3.5環境實現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運行
Windows 下 TensorFlow 和 Faster rcnn 詳細安裝步驟（二）
dBeker Tensorflow Faster R-CNN for Windows by using Python 3.5
windows 安裝 pycocotools 方法（windows10編譯 Pycocotools出錯解決方案最新）
Faster R-CNN / Mask R-CNN on COCO
?
2018-11-10
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 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，狠狠點擊下面給點支持吧，站長非常感激您！手機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】元
