faster-rcnn for tensorflow 测试过程

如有错误，望大家指出！

1 训练过程见之前写的两篇博客：
http://blog.csdn.net/weiguanqun/article/details/78754898
http://blog.csdn.net/weiguanqun/article/details/78765502
之后的测试过程是基于之前的训练过程的。

2 本文的测试程序是在源码 https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5的基础之上进行改进。
测试程序为：demo.py

3 修改demo中的部分程序适应自己的程序：
我把图像的结果保存了下来
修改一：

修改了类的个数：3

if demonet == 'vgg16':net = vgg16(batch_size=1)# elif demonet == 'res101':# net = resnetv1(batch_size=1, num_layers=101)else:raise NotImplementedErrornet.create_architecture(sess, "TEST", 3, tag='default', anchor_scales=[8, 16, 32])saver = tf.train.Saver()saver.restore(sess, tfmodel)

修改二：

弃用了vis_detections函数，把vis_detections函数的东西直接写到了demo中进行画图
save_jpg :为存储路径

def demo(sess, net, image_name):# Load the demo imageim_file = os.path.join(cfg.FLAGS2["data_dir"], 'test', image_name)im = cv2.imread(im_file)# Detect all object classes and regress object boundstimer = Timer()timer.tic()scores, boxes = im_detect(sess, net, im)timer.toc()print('Detection took {:.3f}s for {:d} object proposals'.format(timer.total_time, boxes.shape[0]))save_jpg = os.path.join('E:\\WGQ\\TF-fasterRcnn\\Faster-RCNN-TensorFlow-Python3.5-master\\data\\save_test',image_name)# Visualize detections for each classCONF_THRESH = 0.1NMS_THRESH = 0.1fig, ax = plt.subplots(figsize=(12, 12))im = im[:, :, (2, 1, 0)]ax.imshow(im, aspect='equal')plt.axis('off')plt.tight_layout()for cls_ind, cls in enumerate(CLASSES[1:]):cls_ind += 1  # because we skipped backgroundcls_boxes = boxes[:, 4 * cls_ind:4 * (cls_ind + 1)]cls_scores = scores[:, cls_ind]dets = np.hstack((cls_boxes,cls_scores[:, np.newaxis])).astype(np.float32)keep = nms(dets, NMS_THRESH)dets = dets[keep, :]#vis_detections(im, cls, dets,image_name, thresh=CONF_THRESH)inds = np.where(dets[:, -1] >= 0.5)[0]#print('Detected {:d} BoundingBox'.format(len(inds)))if len(inds) != 0:#print('Detected {:d} BoundingBox'.format(len(inds)))#im = im[:, :, (2, 1, 0)]for i in inds:bbox = dets[i, :4]score = dets[i, -1]ax.add_patch(plt.Rectangle((bbox[0], bbox[1]),bbox[2] - bbox[0],bbox[3] - bbox[1], fill=False,edgecolor='red', linewidth=3.5))ax.text(bbox[0], bbox[1] - 2,'{:s} {:.3f}'.format(cls, score),bbox=dict(facecolor='blue', alpha=0.5),fontsize=14, color='white')# ax.set_title(('{} detections with '#               'p({} | box) >= {:.1f}').format(class_name, class_name,#                                               thresh),#              fontsize=14)plt.draw()#im = im[:, :, (2, 1, 0)]#fig, ax = plt.subplots(figsize=(12, 12))#ax.imshow(im, aspect='equal')#plt.axis('off')#plt.tight_layout()#plt.savefig(save_jpg)# cv2.imwrite(save_jpg,im)#return# else:#     im = im[:, :, :]#     fig, ax = plt.subplots(figsize=(12, 12))#     ax.imshow(im, aspect='equal')#     plt.axis('off')#     plt.tight_layout()plt.savefig(save_jpg)

“`

4 出现的错误基本上都是路径错误，在此不再贴出，贴出实验结果与截图：

速度：

结果：

faster-rcnn for tensorflow 测试过程相关推荐

faster rcnn的tensorflow代码的理解
faster rcnn主要包括两部分:rpn网络和rcnn网络.rpn网络用于保留在图像内部的archors,同时得到这些archors是正样本还是负样本还是不关注.最终训练时通过nms保留最多200 ...
tf-faster-rcnn代码学习．目标检测（Tensorflow版Faster R-CNN）
TF-Faster R-CNN 电脑配置代码来源环境配置 demo测试参考博客训练自己的数据集测试阶段 Tensorboard查看收敛情况电脑配置系统:Ubuntu 16.04 GPU型 ...
Faster R-CNN论文及源码解读
R-CNN是目标检测领域中十分经典的方法,相比于传统的手工特征,R-CNN将卷积神经网络引入,用于提取深度特征,后接一个分类器判决搜索区域是否包含目标及其置信度,取得了较为准确的检测结果.Fast R ...
Tensorflow faster RCNN目标检测车牌
主要是利用Tensorflow官方examples提供的API来实现目标检测,官方examples,打开链接你会发现官方其实已经实现了很多的例子了,包括目标检测,自编码器,OCR,GAN,img2tx ...
Tensorflow下用自己的数据集对Faster RCNN进行训练和测试（二）1
原 Tensorflow下用自己的数据集对Faster RCNN进行训练和测试(二) 2018年08月21日 22:20:38 子季鹰才阅读数:1811 对于Tensorflow版本的Faster ...
faster rcnn tensorflow版本遇到的问题记录
1. fatal error: nsync_cv.h: No such file or directory a. 找到~/tensorflow/venvpy27/lib/python2.7/site- ...
faster rcnn接口_Faster R-CNN tensorflow代码详解
研究背景根据Faster-RCNN算法的运行和调试情况,对代码进行深入分析. 参考资料各部分代码分析 1 编译Cython模块 cd tf-faster-rcnn/lib # 首先进入目录Fast ...
一文读懂Faster RCNN
来源:信息网络工程研究中心本文约7500字,建议阅读10+分钟本文从四个切入点为你介绍Faster R-CNN网络. 经过R-CNN和Fast RCNN的积淀,Ross B. Girshick在20 ...
[图解]小白都能看懂的FASTER R-CNN – 原理和实现细节
Contents [hide] 1 论文原文 2 介绍 3 Anchors 3.1 如何确定一个anchor是正样本还是负样本? 4 实现细节 5 调试信息 6 参考资料论文原文 Faster R- ...
完整代码+实操！手把手教你操作Faster R-CNN和Mask R-CNN
点击上方↑↑↑蓝字关注我们~ 「2019 Python开发者日」全日程揭晓,请扫码咨询 ↑↑↑ 机器视觉领域的核心问题之一就是目标检测(Object Detection),它的任务是找出图像当中所有感 ...

faster-rcnn for tensorflow 测试过程

faster-rcnn for tensorflow 测试过程相关推荐

最新文章

热门文章