淺入淺出TensorFlow 8 - 行人分割

一. 環境準備

本文介紹如何通過 Mask-RCNN 來實現行人檢測，假設你已經對 SSD、YOLO、Faster RCNN 等框架有所了解。

1. 準備 TensorFlow 環境

Tensorflow (>= 1.0.0)

Numpy

2. Gtihub 代碼

代碼下載：【Github】

3. 下載CoCo數據

下載地址：http://mscoco.org/dataset/#download

Web下載比較慢，可以從我的網盤下載：【百度網盤】

4. 下載 ReNet50

wget http://download.tensorflow.org/models/resnet_v1_50_2016_08_28.tar.gz

解壓得到 resnet_v1_50.ckpt

二. 代碼編譯運行

代碼編譯可以參考 Github 說明，這裡也給出如下流程：

1. make coco工具

cd ./libs/datasets/pycocotools make

2. 將下載的 COCO 數據放到 ./data 目錄下，將數據轉換成 tf 所需格式；

按照說明文件：

a）在 data下建一個 coco 文件夾，將指定的5個文件 copy到該目錄；

b）將zip文件解壓縮；

c）在根目錄下建立 output/mask_rcnn 文件夾，用於存放 log；

d）執行格式轉換腳本（大概會花一小時）；

python download_and_convert_data.py

可能會提示Python某些庫錯誤，沒關係，安裝一下就好了，可以將pip源換成國內的，pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pil

sudo pip install pil # or python -m pip install Pillow sudo pip install scikit-image sudo apt-get install python3-tk

3. 提前訓練好的 Resnet模型

在data下新建 pretrained_models 目錄，將 resnet_v1_50.ckpt 放到目錄下。

4. Make編譯

cd ./libs make

5. 訓練數據

python ../train/train.py

當你觀察到Loss的時候，說明訓練過程已經成功開始了，不要著急，等著Loss慢慢減少吧，原作者訓練 8-GPU 花了32個小時。

三. 訓練效果

根據訓練生成的 Log文件，存放在 output裡面：

設置 TensorBoard 的logdir，來看一下訓練效果：

可以看到整個的 loss 的變化情況，還是很有成就感的，需要說明一下，在訓練過程中可能 loss 會有震蕩的情況，沒有關係，等到逐漸下降就好了。

看一下生成的 Graphs：

四. Demo 運行

Github 上未給出 Demo 運行方法，需要我們自己找腳本來實現。

可以參考上一篇 demo.py 自己來寫，這裡作者就不給出具體 code 了，請自行發揮。