走近CTPN 1 解讀README

我參考的**是來自於

首先來說明如何按readme.md執行原始碼，補充一些注意點。好讓需要用的人能盡快使用。

因為作者的**和模型都提供了，我們可以直接拿來執行。接下來分析readme.md.

1.git clone不必多解釋

2.setup編譯cpython實現的nms和bbox

為什麼要使用cpython來實現nms和bbox呢？因為python實現速度太慢。

cd utils/bbox chmod +x make.sh ./make.sh

make.sh檔案

執行結果是產生bbox.cpython-35m-x86_64-linux-gnu.so和nms.cpython-35m-x86_64-linux-gnu.so兩個檔案，這樣就可以直接像呼叫庫一樣呼叫了。

python setup.py install // 對nms和bbox建立動態鏈結庫 mv build/*/*.so ./ // 移動到主目錄 rm -rf build/ // 刪除build資料夾

具體更多配置細節和問題，可以參考我的部落格文章ctpn/faster-rcnn中使用cpython對overlap計算加速

3. demo

python ./main/demo.py

1. prepare dataset 準備資料集

關於預訓練模型在tensorflow中的使用，參考我的部落格文章tensorflow如何直接使用預訓練模型(vgg16為例)

注意：這個作者要求的ground truth（標籤），和常用的不太一樣。如果你看過**，就會知道它的anchor（候選框）的寬度都是16。所以，gt（標籤）——由4個點圍成的矩形，寬度也是16。（對原資料集做切分）

這裡清楚地描述：比如(0,

0),(

60,32)

(0,0),(60,32)

(0,0),

(60,

32)四個點圍成乙個矩形。

做了切分之後，變成了32/16

32/16=2

32/16=

2個anchors. 每個anchor的寬度都為16

作者提供的上面的mlt資料集，已經切分好的。如果沒有切分，或者說你想用自己的資料集，怎麼修改標籤呢?

2. other datasets 其他的資料集

作者提供了split_label.py函式來讓我們切分資料集。

data_folder =
"/media/d/dataset/mlt_selected/"
output =
"data/dataset/mlt/"

python ./utils/prepare/split_label.py

在影象中顯示gt

3. train

run train.py即可

python ./main/train.py