Fast RCNN 訓練自己數據集 (2修改數據讀取接口)

Fast RCNN訓練自己的數據集 （2修改讀寫接口）

轉載請注明出處，樓燚(yì)航的blog，http://www.cnblogs.com/louyihang-loves-baiyan/

https://github.com/YihangLou/fast-rcnn-train-another-dataset?這是我在github上修改的幾個文件的鏈接，求星星啊，求星星啊（原諒我那么不要臉~~）

這里樓主講解了如何修改Fast RCNN訓練自己的數據集，首先請確保你已經安裝好了Fast RCNN的環境，具體的編配編制操作請參考我的上一篇文章。首先可以看到fast rcnn的工程目錄下有個Lib目錄
這里下面存在3個目錄分別是：

• datasets
• fast_rcnn
• roi_data_layer
• utils

在這里修改讀寫數據的接口主要是datasets目錄下，fast_rcnn下面主要存放的是python的訓練和測試腳本，以及訓練的配置文件，roi_data_layer下面存放的主要是一些ROI處理操作,utils下面存放的是一些通用操作比如非極大值nms，以及計算bounding box的重疊率等常用功能

1.構建自己的IMDB子類

1.1文件概述

可有看到datasets目錄下主要有三個文件，分別是

• factory.py
• imdb.py
• pascal_voc.py

factory.py 學過設計模式的應該知道這是個工廠類，用類生成imdb類并且返回數據庫共網絡訓練和測試使用
imdb.py 這里是數據庫讀寫類的基類，分裝了許多db的操作，但是具體的一些文件讀寫需要繼承繼續讀寫
pascal_voc.py Ross在這里用pascal_voc.py這個類來操作

1.2 讀取文件函數分析

接下來我來介紹一下pasca_voc.py這個文件，我們主要是基于這個文件進行修改，里面有幾個重要的函數需要修改

• 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

1.3訓練數據集格式

在我的檢測任務里，我主要是從道路卡口數據中檢測車，因此我這里只有background 和car兩類物體，為了操作方便，我不像pascal_voc數據集里面一樣每個圖像用一個xml來標注多類，先說一下我的數據格式

這里是所有樣本的圖像列表

我的GroundTruth數據的格式，第一個為圖像路徑，之后1代表目標物的個數， 后面的坐標代表左上右下的坐標，坐標的位置從1開始

這里我要特別提醒一下大家，一定要注意坐標格式，一定要注意坐標格式，一定要注意坐標格式，重要的事情說三遍！！！，要不然你會范很多錯誤都會是因為坐標不一致引起的報錯

1.4修改讀取接口

這里是原始的pascal_voc的init函數，在這里，由于我們自己的數據集往往比voc的數據集要更簡單的一些，在作者額代碼里面用了很多的路徑拼接，我們不用去迎合他的格式，將這些操作簡單化即可，在這里我會一一列舉每個我修改過的函數。這里按照文件中的順序排列。
原始初始化函數：

def __init__(self, image_set, year, devkit_path=None):datasets.imdb.__init__(self, 'voc_' + year + '_' + image_set)self._year = yearself._image_set = image_setself._devkit_path = self._get_default_path() if devkit_path is None \else devkit_pathself._data_path = os.path.join(self._devkit_path, 'VOC' + self._year)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')self._class_to_ind = dict(zip(self.classes, xrange(self.num_classes)))self._image_ext = '.jpg'self._image_index = self._load_image_set_index()# Default to roidb handlerself._roidb_handler = self.selective_search_roidb# PASCAL specific config optionsself.config = {'cleanup' : True,'use_salt' : True,'top_k' : 2000}assert os.path.exists(self._devkit_path), \'VOCdevkit path does not exist: {}'.format(self._devkit_path)assert os.path.exists(self._data_path), \'Path does not exist: {}'.format(self._data_path)

修改后的初始化函數：

def __init__(self, image_set, devkit_path=None):datasets.imdb.__init__(self, image_set)#imageset 為train testself._image_set = image_setself._devkit_path = devkit_pathself._data_path = os.path.join(self._devkit_path)self._classes = ('__background__','car')#包含的類self._class_to_ind = dict(zip(self.classes, xrange(self.num_classes)))#構成字典{'__background__':'0','car':'1'}self._image_index = self._load_image_set_index('ImageList_Version_S_AddData.txt')#添加文件列表# Default to roidb handlerself._roidb_handler = self.selective_search_roidb# PASCAL specific config optionsself.config = {'cleanup' : True,'use_salt' : True,'top_k' : 2000}assert os.path.exists(self._devkit_path), \'VOCdevkit path does not exist: {}'.format(self._devkit_path)assert os.path.exists(self._data_path), \'Path does not exist: {}'.format(self._data_path)

原始的image_path_from_index：

def image_path_from_index(self, index):"""Construct an image path from the image's "index" identifier."""image_path = os.path.join(self._data_path, 'JPEGImages',index + self._image_ext)assert os.path.exists(image_path), \'Path does not exist: {}'.format(image_path)return image_path

修改后的image_path_from_index：

def image_path_from_index(self, index):#根據_image_index獲取圖像路徑"""Construct an image path from the image's "index" identifier."""image_path = os.path.join(self._data_path, index)assert os.path.exists(image_path), \'Path does not exist: {}'.format(image_path)return image_path

原始的 _load_image_set_index：

def _load_image_set_index(self):"""Load the indexes listed in this dataset's image set file."""# Example path to image set file:# self._devkit_path + /VOCdevkit2007/VOC2007/ImageSets/Main/val.txtimage_set_file = os.path.join(self._data_path, 'ImageSets', 'Main',self._image_set + '.txt')assert os.path.exists(image_set_file), \'Path does not exist: {}'.format(image_set_file)with open(image_set_file) as f:image_index = [x.strip() for x in f.readlines()]return image_index

修改后的 _load_image_set_index：

def _load_image_set_index(self, imagelist):#已經修改"""Load the indexes listed in this dataset's image set file."""# Example path to image set file:# self._devkit_path + /VOCdevkit2007/VOC2007/ImageSets/Main/val.txt#/home/chenjie/KakouTrainForFRCNN_1/DataSet/KakouTrainFRCNN_ImageList.txtimage_set_file = os.path.join(self._data_path, imagelist)# load ImageList that only contain ImageFileNameassert os.path.exists(image_set_file), \'Path does not exist: {}'.format(image_set_file)with open(image_set_file) as f:image_index = [x.strip() for x in f.readlines()]return image_index

函數 _get_default_path，我直接刪除了

原始的gt_roidb:

def gt_roidb(self):"""Return the database of ground-truth regions of interest.This function loads/saves from/to a cache file to speed up future calls."""cache_file = os.path.join(self.cache_path, self.name + '_gt_roidb.pkl')if os.path.exists(cache_file):with open(cache_file, 'rb') as fid:roidb = cPickle.load(fid)print '{} gt roidb loaded from {}'.format(self.name, cache_file)return roidbgt_roidb = [self._load_pascal_annotation(index)for index in self.image_index]with open(cache_file, 'wb') as fid:cPickle.dump(gt_roidb, fid, cPickle.HIGHEST_PROTOCOL)print 'wrote gt roidb to {}'.format(cache_file)return gt_roidb

修改后的gt_roidb:

def gt_roidb(self):"""Return the database of ground-truth regions of interest.This function loads/saves from/to a cache file to speed up future calls."""cache_file = os.path.join(self.cache_path, self.name + '_gt_roidb.pkl')if os.path.exists(cache_file):#若存在cache file則直接從cache file中讀取with open(cache_file, 'rb') as fid:roidb = cPickle.load(fid)print '{} gt roidb loaded from {}'.format(self.name, cache_file)return roidbgt_roidb = self._load_annotation() #已經修改，直接讀入整個GT文件with open(cache_file, 'wb') as fid:cPickle.dump(gt_roidb, fid, cPickle.HIGHEST_PROTOCOL)print 'wrote gt roidb to {}'.format(cache_file)return gt_roidb

原始的selective_search_roidb(self)：

def selective_search_roidb(self):"""Return the database of selective search regions of interest.Ground-truth ROIs are also included.This function loads/saves from/to a cache file to speed up future calls."""cache_file = os.path.join(self.cache_path,self.name + '_selective_search_roidb.pkl')if os.path.exists(cache_file):with open(cache_file, 'rb') as fid:roidb = cPickle.load(fid)print '{} ss roidb loaded from {}'.format(self.name, cache_file)return roidbif int(self._year) == 2007 or self._image_set != 'test':gt_roidb = self.gt_roidb()ss_roidb = self._load_selective_search_roidb(gt_roidb)roidb = datasets.imdb.merge_roidbs(gt_roidb, ss_roidb)else:roidb = self._load_selective_search_roidb(None)with open(cache_file, 'wb') as fid:cPickle.dump(roidb, fid, cPickle.HIGHEST_PROTOCOL)print 'wrote ss roidb to {}'.format(cache_file)return roidb

修改后的selective_search_roidb(self)：
這里有個pkl文件我需要特別說明一下，如果你再次訓練的時候修改了數據庫，比如添加或者刪除了一些樣本，但是你的數據庫名字函數原來那個，比如我這里訓練的數據庫叫KakouTrain，必須要在data/cache/目錄下把數據庫的緩存文件.pkl給刪除掉，否則其不會重新讀取相應的數據庫，而是直接從之前讀入然后緩存的pkl文件中讀取進來，這樣修改的數據庫并沒有進入網絡，而是加載了老版本的數據。

def selective_search_roidb(self):#已經修改"""Return the database of selective search regions of interest.Ground-truth ROIs are also included.This function loads/saves from/to a cache file to speed up future calls."""cache_file = os.path.join(self.cache_path,self.name + '_selective_search_roidb.pkl')if os.path.exists(cache_file): #若存在cache_file則讀取相對應的.pkl文件with open(cache_file, 'rb') as fid:roidb = cPickle.load(fid)print '{} ss roidb loaded from {}'.format(self.name, cache_file)return roidbif self._image_set !='KakouTest':gt_roidb = self.gt_roidb()ss_roidb = self._load_selective_search_roidb(gt_roidb)roidb = datasets.imdb.merge_roidbs(gt_roidb, ss_roidb)else:roidb = self._load_selective_search_roidb(None)with open(cache_file, 'wb') as fid:cPickle.dump(roidb, fid, cPickle.HIGHEST_PROTOCOL)print 'wrote ss roidb to {}'.format(cache_file)return roidb

原始的_load_selective_search_roidb(self, gt_roidb):

def _load_selective_search_roidb(self, gt_roidb):filename = os.path.abspath(os.path.join(self.cache_path, '..','selective_search_data',self.name + '.mat'))assert os.path.exists(filename), \'Selective search data not found at: {}'.format(filename)raw_data = sio.loadmat(filename)['boxes'].ravel()box_list = []for i in xrange(raw_data.shape[0]):box_list.append(raw_data[i][:, (1, 0, 3, 2)] - 1)return self.create_roidb_from_box_list(box_list, gt_roidb)

修改后的_load_selective_search_roidb(self, gt_roidb):
這里原作者用的是Selective_search，但是我用的是EdgeBox的方法來提取Mat，我沒有修改函數名，只是把輸入的Mat文件給替換了，Edgebox實際的效果比selective_search要好，速度也要更快，具體的EdgeBox代碼大家可以在Ross的tutorial中看到地址。
注意，這里非常關鍵！！！！！，由于Selective_Search中的OP返回的坐���順序需要調整，并不是左上右下的順序，可以看到在下面box_list.append()中有一個（1,0,3,2）的操作，不管你用哪種OP方法，輸入的坐標都應該是x1 y1 x2 y2，不要弄成w h 那種格式，也不要調換順序。坐標-1，默認坐標從0開始，樓主提醒各位，一定要非常注意坐標順序，大小，邊界，格式問題，否則你會被錯誤折騰死的！！！

def _load_selective_search_roidb(self, gt_roidb):#已經修改#filename = os.path.abspath(os.path.join(self.cache_path, '..','selective_search_data',self.name + '.mat'))filename = os.path.join(self._data_path, 'EdgeBox_Version_S_AddData.mat')#這里輸入相對應的預選框文件路徑assert os.path.exists(filename), \'Selective search data not found at: {}'.format(filename)raw_data = sio.loadmat(filename)['boxes'].ravel()box_list = []for i in xrange(raw_data.shape[0]):#box_list.append(raw_data[i][:,(1, 0, 3, 2)] - 1)#原來的Psacalvoc調換了列，我這里box的順序是x1 ,y1,x2,y2 由EdgeBox格式為x1,y1,w,h經過修改box_list.append(raw_data[i][:,:] -1)return self.create_roidb_from_box_list(box_list, gt_roidb)

原始的_load_selective_search_IJCV_roidb，我沒用這個數據集，因此不修改這個函數

原始的_load_pascal_annotation(self, index)：

def _load_pascal_annotation(self, index):"""Load image and bounding boxes info from XML file in the PASCAL VOCformat."""filename = os.path.join(self._data_path, 'Annotations', index + '.xml')# print 'Loading: {}'.format(filename)def get_data_from_tag(node, tag):return node.getElementsByTagName(tag)[0].childNodes[0].datawith open(filename) as f:data = minidom.parseString(f.read())objs = data.getElementsByTagName('object')num_objs = len(objs)boxes = np.zeros((num_objs, 4), dtype=np.uint16)gt_classes = np.zeros((num_objs), dtype=np.int32)overlaps = np.zeros((num_objs, self.num_classes), dtype=np.float32)# Load object bounding boxes into a data frame.for ix, obj in enumerate(objs):# Make pixel indexes 0-basedx1 = float(get_data_from_tag(obj, 'xmin')) - 1y1 = float(get_data_from_tag(obj, 'ymin')) - 1x2 = float(get_data_from_tag(obj, 'xmax')) - 1y2 = float(get_data_from_tag(obj, 'ymax')) - 1cls = self._class_to_ind[str(get_data_from_tag(obj, "name")).lower().strip()]boxes[ix, :] = [x1, y1, x2, y2]gt_classes[ix] = clsoverlaps[ix, cls] = 1.0overlaps = scipy.sparse.csr_matrix(overlaps)return {'boxes' : boxes,'gt_classes': gt_classes,'gt_overlaps' : overlaps,'flipped' : False}

修改后的_load_pascal_annotation(self, index)：

def _load_annotation(self):"""Load image and bounding boxes info from annotationformat."""#，此函數作用讀入GT文件，我的文件的格式 CarTrainingDataForFRCNN_1\Images\2015011100035366101A000131.jpg 1 147 65 443 361 gt_roidb = []annotationfile = os.path.join(self._data_path, 'ImageList_Version_S_GT_AddData.txt')f = open(annotationfile)split_line = f.readline().strip().split()num = 1while(split_line):num_objs = int(split_line[1])boxes = np.zeros((num_objs, 4), dtype=np.uint16)gt_classes = np.zeros((num_objs), dtype=np.int32)overlaps = np.zeros((num_objs, self.num_classes), dtype=np.float32)for i in range(num_objs):x1 = float( split_line[2 + i * 4])y1 = float (split_line[3 + i * 4])x2 = float (split_line[4 + i * 4])y2 = float (split_line[5 + i * 4])cls = self._class_to_ind['car']boxes[i,:] = [x1, y1, x2, y2]gt_classes[i] = clsoverlaps[i,cls] = 1.0overlaps = scipy.sparse.csr_matrix(overlaps)gt_roidb.append({'boxes' : boxes, 'gt_classes': gt_classes, 'gt_overlaps' : overlaps, 'flipped' : False})split_line = f.readline().strip().split()f.close()return gt_roidb

之后的這幾個函數我都沒有修改，檢測結果，我是修改了demo.py這個文件，直接生成txt文件，然后用python opencv直接可視化，沒有用著里面的接口，感覺太麻煩了，先怎么方便怎么來

• _write_voc_results_file(self, all_boxes)
• _do_matlab_eval(self, comp_id, output_dir='output')
• evaluate_detections(self, all_boxes, output_dir)
• competition_mode(self, on)

記得在最后的__main__下面也修改相應的路徑
d = datasets.pascal_voc('trainval', '2007')
改成
d = datasets.kakou('KakouTrain', '/home/chenjie/KakouTrainForFRCNN_1')

并且同時在文件的開頭import 里面也做修改
import datasets.pascal_voc
改成
import datasets.kakou

OK，在這里我們已經完成了整個的讀取接口的改寫，主要是將GT和預選框Mat文件讀取并返回

2.修改factory.py

當網絡訓練時會調用factory里面的get方法獲得相應的imdb，
首先在文件頭import 把pascal_voc改成kakou
在這個文件作者生成了多個數據庫的路徑，我們自己數據庫只要給定根路徑即可，修改主要有以下4個

• 因此將里面的def _selective_search_IJCV_top_k函數整個注釋掉
• 函數之后有兩個多級的for循環，也將其注釋
• 直接定義imageset和devkit
• 修改get_imdb函數

原始的factory.py：

__sets = {}import datasets.pascal_voc import numpy as npdef _selective_search_IJCV_top_k(split, year, top_k):"""Return an imdb that uses the top k proposals from the selective searchIJCV code."""imdb = datasets.pascal_voc(split, year)imdb.roidb_handler = imdb.selective_search_IJCV_roidbimdb.config['top_k'] = top_kreturn imdb# Set up voc_<year>_<split> using selective search "fast" mode for year in ['2007', '2012']:for split in ['train', 'val', 'trainval', 'test']:name = 'voc_{}_{}'.format(year, split)__sets[name] = (lambda split=split, year=year:datasets.pascal_voc(split, year))# Set up voc_<year>_<split>_top_<k> using selective search "quality" mode # but only returning the first k boxes for top_k in np.arange(1000, 11000, 1000):for year in ['2007', '2012']:for split in ['train', 'val', 'trainval', 'test']:name = 'voc_{}_{}_top_{:d}'.format(year, split, top_k)__sets[name] = (lambda split=split, year=year, top_k=top_k:_selective_search_IJCV_top_k(split, year, top_k))def get_imdb(name):"""Get an imdb (image database) by name."""if not __sets.has_key(name):raise KeyError('Unknown dataset: {}'.format(name))return __sets[name]()def list_imdbs():"""List all registered imdbs."""return __sets.keys()

修改后的factory.py

#import datasets.pascal_voc import datasets.kakou import numpy as np__sets = {} imageset = 'KakouTrain' devkit = '/home/chenjie/DataSet/CarTrainingDataForFRCNN_1/Images_Version_S_AddData' #def _selective_search_IJCV_top_k(split, year, top_k): # """Return an imdb that uses the top k proposals from the selective search # IJCV code. # """ # imdb = datasets.pascal_voc(split, year) # imdb.roidb_handler = imdb.selective_search_IJCV_roidb # imdb.config['top_k'] = top_k # return imdb### Set up voc_<year>_<split> using selective search "fast" mode ##for year in ['2007', '2012']: ## for split in ['train', 'val', 'trainval', 'test']: ## name = 'voc_{}_{}'.format(year, split) ## __sets[name] = (lambda split=split, year=year: ## datasets.pascal_voc(split, year))# Set up voc_<year>_<split>_top_<k> using selective search "quality" mode # but only returning the first k boxes ##for top_k in np.arange(1000, 11000, 1000): ## for year in ['2007', '2012']: ## for split in ['train', 'val', 'trainval', 'test']: ## name = 'voc_{}_{}_top_{:d}'.format(year, split, top_k) ## __sets[name] = (lambda split=split, year=year, top_k=top_k: ## _selective_search_IJCV_top_k(split, year, top_k))def get_imdb(name):"""Get an imdb (image database) by name."""__sets['KakouTrain'] = (lambda imageset = imageset, devkit = devkit: datasets.kakou(imageset,devkit))if not __sets.has_key(name):raise KeyError('Unknown dataset: {}'.format(name))return __sets[name]()def list_imdbs():"""List all registered imdbs."""return __sets.keys()

3.修改 __init__.py
在行首添加上 from .kakou import kakou

總結

在這里終于改完了讀取接口的所有內容，主要步驟是

復制pascal_voc，改名字，修改GroundTruth和OP預選框的讀取方式

修改factory.py，修改數據庫路徑和獲得方式

__init__.py添加上改完的py文件

下面列出一些需要注意的地方

讀取方式怎么方便怎么來，并不一定要按照里面xml的格式，因為大家自己應用到工程中去往往不會是非常多的類別，單個對象的直接用txt就可以

坐標的順序我再說一次，要左上右下，并且x1必須要小于x2，這個是基本，反了會在坐標水平變換的時候會出錯，坐標從0開始，如果已經是0，則不需要再-1

GT的路徑最好用相對，別用絕對，然后路徑拼接的時候要注意，然后如果是txt是windows下生成的，注意斜杠的方向和編碼的格式，中文路徑編碼必須用UTF-8無BOM格式，不能用windows自帶的記事本直接換一種編碼存儲，相關數據集的編碼問題參見我的另一篇文章，linux傳輸亂碼

關于Mat文件，在訓練時是將所有圖像的OP都合在了一起，是一個很大的Mat文件，注意其中圖像list的順序千萬不能錯，并且坐標格式要修改為x1 y1 x2 y2，每種OP生成的坐標順序要小心，從0開始還是從1開始也要小心

訓練圖像的大小不要太大，否則生成的OP也會太多，速度太慢，圖像樣本大小最好調整到500，600左右，然后再提取OP

如果讀取并生成pkl文件之后，實際數據內容或者順序還有問題，記得要把data/cache/下面的pkl文件給刪掉

關于下部訓練和檢測網絡，我將在下一篇文章中說明

總結

以上是生活随笔為你收集整理的Fast RCNN 训练自己数据集 (2修改数据读取接口)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。