Faster-RCNN.pytorch的搭建、使用过程详解

引言
faster-rcnn pytorch代码下载
faster-rcnn pytorch配置过程
faster-rcnn pytorch训练自定义Images文件和对应XML文件的model
faster-rcnn pytorch参数修改

引言

本文主要介绍（1）如何跑通源代码；（2）配置过程中遇到的错误调试过程；（3）成功训练自己的数据集。

faster-rcnn pytorch代码下载

pytorch0.4.0版源码：https://github.com/jwyang/faster-rcnn.pytorch.git
pytorch1.0.0版源码：https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0

配置环境：

我复现代码的环境是python3.6+cuda10.1+Ubuntu16.04+Pytorch1.2。

强烈推荐使用 pytorch1.0.0版源码进行配置，旧版本已不再维护，很多报错难以调试。

具体配置，此代码作者已在ReadMe中详细介绍，但鉴于初学者在复现中遇到的种种问题，下面将对“具体配置过程”做出进一步阐释，旨在做到浅显易懂，成功复现。

faster-rcnn pytorch配置过程

1. 安装torch

请移步至https://pytorch.org/get-started/locally/查看相应的安装命令，安装最新版的pytorch包。参考执行代码如下：

conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 -c pytorch

2. 下载源码到本地

具体方法有以下两种：

（1）git clone 到本地

git clone -b pytorch-1.0 --single-branch --depth=1 --recursive https://github.com/jwyang/faster-rcnn.pytorch.git

其中：-b是分支名，--single-branch是clone指定分支的命令，--depth==1是指克隆最近一次更改，--recursive用于循环递归克隆子项目。

（2）直接下载zip文件至本地

强烈推荐第二种，简单、方便。

3. 创建数据文件夹

在本地创建一个文件夹专门用来搭建Faster-RCNN模型，所有的配置文件均在此目录下进行（如：“/detectron”）。

首先，将源码的zip文件copy至目标目录/detectron，同时解压缩得到如下所示文件夹；

其次，创建data文件夹，具体操作如下：

1. cd 进入project根目录
2. mkdir data   # 创建data文件夹

或者，直接执行

# && 表示前一条命令执行成功时，才执行后一条命令 ，如 echo '1‘ && echo '2'
cd faster-rcnn.pytorch && mkdir data  # 一步实现上述2条命令，此处faster-rcnn.pytorch即为存放解压缩后源码的文件夹

4.下载数据至data文件夹

cd 进入data文件夹

开始下载压缩文件，执行如下命令，下载VOV2007标准数据集的相关数据。

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

执行下方命令解压缩数据到data/VOCdevkit

tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

cd 进入data文件夹下，创建软链接

ln -s VOCdevkit的绝对路径 VOCdevkit2007

完整的VOC2007数据集有三个压缩包：

VOCdevkit_08-Jun-2007.tar：开发工具包

VOCtest_06-Nov-2007.tar： 测试集，4952张图片

VOCtrainval_06-Nov-2007.tar： 训练和验证集，5011张图片
\quad
其中test和trainval的数据集目录结构一样，同时解压三个压缩包，最终会自动解压到一个文件夹下VOCdeckit。trainval和test数据集是从一个完整数据集划分来的，所以目录结构一样，且不存在冲突的图片命名。所以， 解压完成后相当于将两个子数据集合并成一个完整的大数据集 有train，val，trainval，test。
\quad
数据集文件结构介绍：
\quad
VOCtrainval_06-Nov-2007文件夹下
VOCdevkit
└─VOC2007
├─Annotations
├─ImageSets
│ ├─Layout
│ ├─Main
│ └─Segmentation
├─JPEGImages
├─SegmentationClass
└─SegmentationObject
\quad

数据集文件夹分布情况如下：
VOC 2007数据集结构的详细介绍: VOC 2007数据集结构

Annotation
Annotations文件夹中存放的是xml格式的标签文件，每一个xml文件都对应于JPEGImages文件夹中的一张图片。

ImageSets
ImageSets存放的是每一种类型的challenge对应的图像数据。
\quad

核心知识点：
\quad

我们进行model训练，读取图像的时候，其实就是先从这个ImageSets文件夹中，找到对应任务的子文件夹，然后读取其中txt文本文档的图像ID号码, 接着按照这个ID号码去JPEGImages文件夹下寻找对应的图像。
\quad
ImageSets下的四个文件夹，如下：

当我们在faster-rcnn中运行训练和测试程序时，会在完整的大数据集中自动调用相对应的数据集。
(1) Action下存放的是人的动作（running、jumping等等，这也是VOC challenge的一部分）

(2) Layout下存放的是人体部位（head、hand、feet等等，这也是VOC challenge的一部分）

(3) Main下存放的是图像物体识别的数据，总共分为20类。

备注：

train.txt 是用来训练的图片文件的文件名列表（训练集）

val.txt是用来验证的图片文件的文件名列表（验证集）

trianval.txt是用来训练和验证的图片文件的文件名列表， 修改自己的图片检测模型时，仅需要修改该文件，即：将新的训练图像name list 去掉后缀，更新入trianval.txt文件。

test.txt 是用来测试的图片文件的文件名列表（测试集）
\quad
train是网络模型在训练的时候用的，而val是网络模型在训练过程中测试用的。val是不影响训练的。在训练的时候可以得到train和val这两个数据集的误差率，利用这个误差率可以绘制出学习曲线，通过观察学习曲线，可以发现一些网络模型的问题，然后再根据这些问题去调整网络参数。test就是网络模型训练完毕测试用的。
\quad
Main文件夹下还包含了20个分类的***_train.txt、***_val.txt和***_trainval.txt。这些txt中的内容都差不多如下：

前面的表示图像的name，后面的1代表正样本（即：表示当前图像中有该类物体），-1代表负样本（即：表示当前图像中，没有该类物体），偶尔也会出现0（即：0 表示当前图像中，该类物体只露出了一部分）。
_train中存放的是训练使用的数据，每一个class的train数据都有5717个；
_val中存放的是验证结果使用的数据，每一个class的val数据都有5832个；
_trainval将上面两个进行了合并，每一个class有11540个；
需要保证的是train和val两者没有交集，也就是训练数据和验证数据不能有重复，在选取训练数据的时候，也应该是随机产生的。

\quad
(4) Segmentation下存放的是可用于分割的图片的编号。

*_train中存放的是训练集的图片编号。
*_val中存放的是验证集的图片编号。
*_trainval是上面两者的合并集合。
train和val包含的图片没有交集。

JPEGImages
JPEGImages文件夹中包含了PASCAL VOC所提供的所有的图片，包含训练图片和测试图片，共有17125张。图片均以“年份_编号.jpg”格式命名。图片的尺寸大小不一，所以在后面训练的时候需要对图片进行resize操作。
图片的像素尺寸大小不一，但是横向图的尺寸大约在500ㄨ375左右，纵向图的尺寸大约在375ㄨ500左右，基本不会偏差超过100。（在之后的训练中，第一步就是将这些图片都resize到300ㄨ300或是500ㄨ500，所有原始图片不能离这个标准过远。）

SegmentationClass
这里面包含了2913张图片，每一张图片都对应JPEGImages里面的相应编号的图片。
图片的像素颜色共有20种，对应20类物体。

SegmentationObject
这里面同样包含了2913张图片，图片编号都与Class里面的图片编号相同。
这里面的图片和Class里面图片的区别在于，这是针对Object的。
在Class里面，一张图片里如果有多架飞机，那么会全部标注为红色。
而在Object里面，同一张图片里面的飞机会被不同颜色标注出来。

\quad
参考链接：
关于VOC2007数据集的更多详细介绍，详见
数据集：Pascal voc2007数据集分析
VOC数据集介绍-VOCtrainval_06-Nov-2007文件结构和下载
VOC数据集解析 VOC2007解析

5.下载预训练模型

首先，在/data/下创建子文件夹/data/pretrained_model；然后，下载预训练模型到/data/pretrained_model下，如VGG16，ResNet101等。

VGG16: Dropbox, VT Server
ResNet101: Dropbox, VT Server

备注： Dropbox, VT Server是两个云存储公司开放的下载数据源，建议使用Dropbox的数据源进行下载。下载结束后，将这两个模型都放进/data/pretrained_model/文件夹中。

6.编译

使用pip安装所有python依赖包

cd 进入data文件夹
pip install -r requirements.txt

安装python依赖包遇到错误：
ERROR: Could not open requirements file: [Errno 2] No such file or directory: 'requirements.txt'，说明找不到’requirements.txt’文件，查找发现在data/的上一级，即：/work/elta/detectron/faster-rcnn.pytorch-pytorch-1.0文件夹下。在此处再执行pip install -r requirements.txt即可。

error: [Errno 13] Permission denied: '/usr/local/lib/处理方法 ，处理方法：在命令前面加sudo命令。

备注：
在ubuntu系统下使用pip 命令安装包时，出现以下类似错误提示：
error: [Errno 13] Permission denied: '/usr/local/lib/python2.7/dist-packages/
那么，要用root权限，可以用sudo表示用root权限执行，所以，在命令前面加sudo。

编译CUDA依赖环境

这里为pytroch1.0分支下的编译设置，编辑所需的cuda环境后，回到主目录。

cd lib
python setup.py build develop   # 不要使用sh make.sh

编译时遇到过两个报错，

error: invalid command 'develop'；
ImportError: cannot import name '_mask'
can’t import ‘imread’
Tips：要注意如果出现can’t import ‘imread’，请检查scipy的版本是否超过了1.0，因为1.0以上的版本里，scipy不再使用imread。

from imageio import imread   # 修改解决ImportError: cannot import name 'imread' from 'scipy.misc'

之前尝试通过pytorch0.4.0分支ReadMe配置好pytorch环境后，运行训练时出现错误ImportError: torch.utils.ffi is deprecated. Please use cpp extensions instead.，解决方法参考链接【已解决】ImportError: torch.utils.ffi is deprecated. Please use cpp extensions instead.。
但限于版本更新和pytorch放弃对之前版本部分语法的支持，此问题是短时间内难以解决的死胡同，遂建议大家直接放弃0.4.0版本转入1.0.0版本。

7.训练

在训练之前需要根据自己的环境将trainval_net.py和test_net.py中的两个参数save_dir和load_dir进行更改。

（1）如果使用VGG16在pascal_voc上训练faster R-CNN使用如下命令（具体参数根据自己的需要修改）：

CUDA_VISIBLE_DEVICES=$GPU_ID python trainval_net.py \--dataset pascal_voc --net vgg16 \--bs $BATCH_SIZE --nw $WORKER_NUMBER \--lr $LEARNING_RATE --lr_decay_step $DECAY_STEP \--cuda

（2） 训练命令行示例——res101：

CUDA_VISIBLE_DEVICES=0 python trainval_net.py --dataset pascal_voc --net res101 --bs 4 --nw 0 --lr 0.001 --lr_decay_step 5 --cuda

或者

CUDA_VISIBLE_DEVICES=0,1 python trainval_net.py --dataset pascal_voc --net res101 --cuda

参数说明：
\quad

CUDA_VISIBLE_DEVICES：指gpu的id，这得看你实验室服务器哪块gpu是闲置的。

–dataset：指训练数据集名称，此处以pascal-voc为例。

–net：你要使用的预训练模型，可以换为resnet101。

–bs：指的batch size。
–epoch：指要训练的轮数。

–nw：指的是worker number，取决于你的Gpu能力，我用的是Titan Xp
12G，所以选择4。稍微差一些的gpu可以选小一点的值。

–lr：指学习率

–cuda：指的是使用gpu。
\quad
BATCH_SIZE 和 WORKER_NUMBER 可以根据你的GPU情况来设置。
\quad
训好的model会存到models文件夹底下，此处暂时使用默认的训练参数。

8.测试

如果想评估VGG16预训练模型在pascal_voc测试集上的表现，使用如下命令：

python test_net.py --dataset pascal_voc --net vgg16 \--checksession $SESSION --checkepoch $EPOCH --checkpoint $CHECKPOINT \--cuda

要指定具体的checksession、checkepoch、checkpoint数值。如果你不知该如何设置，可以根据你训练出来的模型名字来设置。

设置示例：

# 批量测试
python test_net.py --dataset pascal_voc --net vgg16 \--checksession 1 --checkepoch 1 --checkpoint 10021 \--cuda

注意，这里的三个check参数，是定义了训好的检测模型名称，我训好的名称为faster_rcnn_1_20_10021，代表了checksession = 1，checkepoch = 20， checkpoint = 10021，这样才可以读到模型“faster_rcnn_1_20_10021”。训练中，源码代码默认设置的epoch为20，所以checkepoch选择20，也就是选择最后那轮训好的模型，理论上应该是效果最好的。下图就是我20次epochs的模型。

9.运行demo.py

如果你想要运行预训练模型去检测新的test图片，要先下载预训练模型或者训练你自己模型，然后把图片放到工作目录下（示例路径：/usr/detectron/faster-rcnn.pytorch-pytorch-1.0/images/）的images文件夹里，再运行如下命令：

python demo.py --net vgg16 \--checksession $SESSION --checkepoch $EPOCH --checkpoint $CHECKPOINT \--cuda --load_dir + 模型存放文件夹

除了指定那三个数值外，还要写清楚存放vgg16/pascal_voc/模型.pth的文件夹。例如：

demo命令行示例：

python demo.py --net res101  --checksession 1  --checkepoch 20 --checkpoint 10021 --cuda --load_dir models

此处我们需输入使用的网络(如：res101)，以及训练好的模型路径(models)。我们测试的图片都在images文件夹里。
\quad
作者提供了4张image做测试，默认测试完的图像会输出到images文件夹里，所以做完一次测试，images文件夹会有8张图片（输出图片命名规则是在原图像文件名后面加上"_det"），而原作者没有把他自己测试后的图片删去，所以大家在做demo测试时，别忘把以"_det"结尾的检测输出文件先删去，否则，测试完你的images文件夹可能会得到16张图像。 后续在参数修改部分，会详细介绍如何修改打框后图像的存放路径、包括保存生成的XML文件用于后续修改标注等：
当然，你可以放一些你自己在网上搜的图片在images文件夹里进行demo测试，看看效果。但检测类别一定在训练的类别中，否则，目标检测的结果就是随机标注了，意义不大~

faster-rcnn pytorch训练自定义Images文件和对应XML文件的model

我们仍然采用VOC2007数据集的结构分布框架，只是把我们自己的数据集“塞进去”，做适当调整即可。

1、VOC数据集制作：

将自己准备的images文件和对应的目标检测XML文件，做成VOC2007格式标准数据集，用于Faster-RCNN模型训练。

VOC2007格式要求： 图片名是六位数字，对应XML文件名也是六位数字。 数据集准备好之后，用数据集相应的替换掉VOC2007中的数据。具体位置如下：

一、JPEGImages文件夹：
　　将自己的数据集中所有的图片存放的这一文件夹下，图片数据的格式需要统一。
二、Annotations文件夹：
　　将自己数据集所有图片一一对应的xml格式的标签文件放于这一文件夹下。
三、ImageSets文件夹：
　　完成ImageSets\Main中trainval.txt文件的修改。
　　trainval.txt是训练和验证集，内容为文件名（去除".jpg"后缀），该文件中的图像list将全部用于目标检测的model训练，即：默认不划分train和val的比例。 一般默认操作就OK了。
\quad
备注：
　　如果想实现划分输入图像的train、val、test比例，需要同时修改ImageSets\Main文件夹下4个文件（test.txt、train.txt、trainval.txt、val.txt）。
　　一般而言：在原始VOC2007数据集中，trainval大约占整个数据集的50%，test大约为整个数据集的50%；train大约是trainval的50%，val大约为trainval的50%。所以我们可参考以下代码来生成这4个txt文件。参考链接：faster-rcnn.pytorch-1.0指南（三）——制作PASCAL VOC2007数据集

生成这4个txt文件的示例代码：

import os
import randomtrainval_percent = 0.5
train_percent = 0.5
xmlfilepath = '/home/VOC2007/Annotations'
txtsavepath = '/home/VOC2007/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(txtsavepath+'/trainval.txt', 'w')
ftest = open(txtsavepath+'/test.txt', 'w')
ftrain = open(txtsavepath+'/train.txt', 'w')
fval = open(txtsavepath+'/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()

2、修改/lib/datasets/pascal_voc.py里的检测类别：

VOC2007数据集的类别在路径"/faster-rcnn.pytorch/lib/datasets/pascal_voc.py"文件中已注明，示例如下：

原始标注类别为：

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','plane')

这个文件里存着VOC数据库的classes，即：需要更改我们识别的类别，我的做法是把原classes注释掉，把自己的classes加进去。

此处修改如下：

可能发生如下错误：

assert（boxes[:,2]>=boxes[:,0]）.all()
基本上都会碰上，只要是你标注的框靠近边缘，都会出这个错误。表示：左上角坐标（x,y）可能为0，或标定区域溢出图片，而faster rcnn会对Xmin,Ymin,Xmax,Ymax进行减一操作，如果Xmin为0，减一后变为负值。但是，不用急，按照下面方法改，完美解决：https://blog.csdn.net/xzzppp/article/details/52036794

Keyerror:'width'
该句指的是得到的图像数据库imdb文件没有‘width’,也就是没有读到图像的宽度值，而这个宽度值是通过图片读出来的，所以说明你的训练文件夹JPEGImage中没有ImagesSet\Main\trainval.txt里列出的图片，我查了下，图片都放进去了，那为啥还出错呢？
原因：在训练原数据集VOC时，图像数量是10021张（进行了数据增强），这时会保存训练信息至缓存中，文件路径为：/home/zhangxin/faster-rcnn.pytorch/data/cache/voc_2007_trainval_gt_roidb.pkl
因此，=你在重新训练新数据集的时候，会读取这个缓存配置，以加快训练，那么，在更换训练数据集之后，就会报错了。我的新集合只有499张，所以训练时，由于读取缓存文件，故需要读的图像还是原来那10021张，那势必会找不到这10021张图像。
解决方法：把这个缓存文件voc_2007_trainval_gt_roidb.pkl删掉！！！（ 每次更新训练数据集都需要执行此操作）

3、开始训练自己的数据集：

命令行运行trainval_net.py和配置参数，开始model训练。示例如下：

CUDA_VISIBLE_DEVICES=0 python trainval_net.py --dataset pascal_voc --net res101 --bs 4 --nw 0 --lr 0.001 --lr_decay_step 5 --cuda

修改demo.py文件中的目标检测类别classes，具体同上：/lib/datasets/pascal_voc.py中classes的类别修改。

self._classes = ('__background__',  # always index 0'id1', 'id2', 'id3', 'id4','id5', 'id6', 'id7', 'id8', 'id9','id10', 'id11', 'id12', 'id13','id14', 'id15', 'id18','id19', 'id26')

命令行运行demo.py和配置参数，开始model测试。示例如下：

python demo.py --net res101 --checksession 1 --checkepoch 20 --checkpoint 233 --cuda --load_dir '/usr/detectron/faster-rcnn.pytorch-pytorch-1.0/tools/models/'

参考链接：
Faster RCNN(Pytorch) 配置过程记录及问题解决

使用faster-rcnn.pytorch训练自己数据集（完整版）

Faster-RCNN.Pytorch的使用

Pytorch版Faster R-CNN训练自己数据集

目标检测——Faster R-CNN 详解、Pytorch搭建、训练自己的数据集

faster-rcnn pytorch参数修改

基本参数：

base_lr：0.001
lr_policy：‘step’
step_size：30000
display：20
iteration：数据进行一次前向-后向的训练
batchsize： 每次迭代训练的图片数量
epoch： 1个epoch就是将所有的训练图像全部通过网络训练一次

参数设置和计算：
\quad
（1）batchsize、epoch和iteration的关系计算：
例如：假如有1280000张图片，batchsize=256，则1个epoch需要1280000/256=5000次，若iteration 它的max-iteration=450000，则共有450000/5000=90个epoch；
（2）lr、stepsize和gamma的关系计算：
由于lr什么时候衰减与stepsize有关，减少多少与gamma有关，即：若stepsize=500, base_lr=0.01, gamma=0.1,则当迭代到第一个500次时，lr第一次衰减，衰减后的lr=lr×gamma=0.01×0.1=0.001lr=lr×gamma=0.01×0.1=0.001lr=lr×gamma=0.01×0.1=0.001，以后重复该过程，所以， stepsize是lr的衰减步长，gamma是lr的衰减系数。
（3）test_size, test_iter和test_interval的关系计算：
在训练过程中，每到一定的迭代次数都会测试，迭代次数是由test-interval决定的，如test_interval=1000，则训练集每迭代1000次测试一遍网络，而 test_size, test_iter, 和test图片的数量决定了怎样test， test-size决定了test时每次迭代输入图片的数量，test_iter就是test所有的图片的迭代次数，如：500张test图片，test_iter=100，则test_size=5, 而solver文档里只需要根据test图片总数量来设置test_iter，以及根据需要设置test_interval即可。
迭代次数修改max_iters=[80000, 40000, 80000, 40000]
分别对应rpn第1阶段，fast rcnn第1阶段，rpn第2阶段，fast rcnn第2阶段的迭代次数。

pytorch faster R-CNN源码测试、训练自己的数据集

修改数据读取路径：

数据读取路径可以直接赋值，在lib/datasets/pascal_voc.py中，把self._data_path修改为自己的数据路径，下面就是自己的数据classes类别。

train过程中修改训练模型保存路径：

在trainval_net.py中修改模型保存的路径，对应参数'--save_dir'，将default的值改为自己的model保存路径即可。

##############################################修改模型存放路径parser.add_argument('--save_dir', dest='save_dir',help='directory to save models', default="/urs/detectron/faster-rcnn.pytorch-pytorch-1.0/tools/models/", type=str)

test过程中修改训练模型读入路径：

在demo.py中修改读入模型的路径，对应参数'--load_dir'，将default的值改为自己的model保存路径即可。

############################ 修改读入模型的路径parser.add_argument('--load_dir', dest='load_dir',help='directory to load models',default="/urs/detectron/faster-rcnn.pytorch-pytorch-1.0/tools/models/")

修改图像打标后test数据保存路径：

在demo.py中修改保存图片的路径，把推断过后的图片另存一个文件夹中，
具体方法为：在parse_args中新增一个参数output_images，用于存放新生成的预测后画框的图片，同时修改图像保存代码，如下：

if vis and webcam_num == -1:
# cv2.imshow('test', im2show)
# cv2.waitKey(0)
result_path = os.path.join(args.output_images, imglist[num_images][:-4] + "_det.jpg") ###stt change output_images dir
cv2.imwrite(result_path, im2show)

添加保存图片xml文件的路径和生成对应xml文件：

在demo.py中修改代码，用于生成并保存预测后的图片xml文件（减少后期标注量）具体修改参考如下：

pred_det = []
for j in xrange(1, len(pascal_classes)):inds = torch.nonzero(scores[:,j]>thresh).view(-1)# if there is detif inds.numel() > 0:        ### stt 判断预测出来的类别中是否有框cls_scores = scores[:,j][inds]   ### stt预测出来的所有得分_, order = torch.sort(cls_scores, 0, True)if args.class_agnostic:cls_boxes = pred_boxes[inds, :]else:cls_boxes = pred_boxes[inds][:, j * 4:(j + 1) * 4]  ###stt 预测出来的所有框cls_dets = torch.cat((cls_boxes, cls_scores.unsqueeze(1)), 1)  ### stt框和得分降成1维# cls_dets = torch.cat((cls_boxes, cls_scores), 1)cls_dets = cls_dets[order]# keep = nms(cls_dets, cfg.TEST.NMS, force_cpu=not cfg.USE_GPU_NMS)keep = nms(cls_boxes[order, :], cls_scores[order], cfg.TEST.NMS)   #### stt预测出来的框nmscls_dets = cls_dets[keep.view(-1).long()]### stt addarr_2 =[]np.set_printoptions(suppress=True)  ###不以科学计数法保存arr_cls_det = cls_dets.cpu().numpy()   ###张量转数组arr_cls_det.astype(float)      ###列表数据转为float格式for i in arr_cls_det:arr_2.append(pascal_classes[j])  ###类别加入新的数组中arr_2 += map(int, i.tolist()[:4])   ###预测出来的框（四个坐标点）加入数组中pred_det.append(arr_2)     ###类比，框保存为一个列表，每张图片可能有多个预测框#print(arr_cls_det)#print((np.round(cls_dets)))if vis:im2show = vis_detections(im2show, pascal_classes[j], cls_dets.cpu().numpy(), 0.5)
#print(pred_det)
#######stt add save_txt and xml
save_txt = True
save_xml = True
### Write results:
for i in pred_det:if save_txt:  # Write to fileimg_name = im_file.split('/')[-1].split('.')[0]txt_path = os.path.join(args.output_images, 'txt_path')if not os.path.exists(txt_path):os.makedirs(txt_path)with open(txt_path + '/' + img_name + '.txt', 'a') as file:file.write(('%s, %g , %g, %g, %g ' + '\n') % (i[0], i[1], i[2], i[3], i[4]))txtfile = os.path.join(txt_path, img_name + '.txt')###stt _add start write_xmlif save_txt and save_xml:Anno_path = os.path.join(args.output_images, 'Annotations')if not os.path.exists(Anno_path):os.makedirs(Anno_path)outdir = os.path.join(Anno_path,img_name + '.xml')txt2xml(pascal_classes, txtfile, im_file, outdir)
####stt add end
misc_toc = time.time()
nms_time = misc_toc - misc_tic

参考链接：
pytorch 版fasterrcnn 跑通代码增加保存xml的功能

Faster-RCNN.pytorch的搭建、使用过程详解（适配PyTorch 1.0以上版本）相关推荐

Android中mesure过程详解 (结合Android 4.0.4 最新源码)
如何遍历并绘制View树?之前的文章Android中invalidate() 函数详解(结合Android 4.0.4 最新源码)中提到invalidate()最后会发起一个View树遍历的请求,并通 ...
Android中layout过程详解 (结合Android 4.0.4 最新源码)
上一篇文章Android中mesure过程详解 (结合Android 4.0.4 最新源码)介绍了View树的measure过程,相对与measure过程,本文介绍的layout过程要简单多了,正如l ...
PyTorch模型搭建和源码详解
文章目录: 一.VGG模型简单介绍二.PyTorch源码分析三.预训练模型的使用本文是以VGG模型为例,深入介绍了完整的模型搭建过程,以及预训练模型使用过程,希望本篇博客可以解答一些困惑,同时欢 ...
java集群_Kafka多节点分布式集群搭建实现过程详解_java
上一篇分享了单节点伪分布式集群搭建方法,本篇来分享一下多节点分布式集群搭建方法.多节点分布式集群结构如下图所示: 为了方便查阅,本篇将和上一篇一样从零开始一步一步进行集群搭建. 一.安装Jdk 具体安 ...
vue-cli5脚手架搭建项目过程详解 -vue组件单元测试
简介单元测试是对软件中的最小可测试单元进行测试.(最小可测试单元是要有结果产出的.例如某个方法,单独的某个操作) 单元测试其实是伴随着敏捷开发,它是对更快开发的一种追求.早发现错误比晚发现错误会更好 ...
Faster RCNN近似端到端法详解
有了交替训练法的基础,近似端到端的训练方法就非常好理解了. 相比于交替训练法,端到端训练主要有两点不一样: 1)网络结构: RPN的输出个数:此处的输出个数不是指损失函数,而是指RPN的输出不仅送入A ...
linux7.0安装过程详解,图解红旗Linux7.0安装过程.doc
图解红旗Linux7.0安装过程图解红旗Linux7.0安装过程国产Linux系统红旗Linux 7.0于2009年5月20日隆重发布,红旗Favour最新版本体验,点击这里进入下载地址列表下面 ...
android 启动过程详解,Activity的启动过程详解（基于Android10.0）
一.概述话说Android中有四大组件:Activity.Service.BroadcastReceiver.ContentProvider.咱们最常接触也是用户直接感受到的便是Activity了, ...
Mysql加锁过程详解（3）-关于mysql 幻读理解
Mysql加锁过程详解(1)-基本知识 Mysql加锁过程详解(2)-关于mysql 幻读理解 Mysql加锁过程详解(3)-关于mysql 幻读理解 Mysql加锁过程详解(4)-select fo ...
Mysql加锁过程详解（2）-关于mysql 幻读理解
Mysql加锁过程详解(1)-基本知识 Mysql加锁过程详解(2)-关于mysql 幻读理解 Mysql加锁过程详解(3)-关于mysql 幻读理解 Mysql加锁过程详解(4)-select fo ...

Faster-RCNN.pytorch的搭建、使用过程详解（适配PyTorch 1.0以上版本）