发布日期：2021-04-30 21:03:42 浏览次数：88 分类：精选文章

本文共 3593 字，大约阅读时间需要 11 分钟。

Caffe_SSD三字码识别

1. check List

检查 CUDA nvcc -V环境是否安装正常，如果不正常则去安装 NVIDIA、CUDA、CUDNN（版本搭配）。

由于 Python2 即将落幕，所以我们这次在 Ubuntu18.04 中使用自带的 Python3.6 进行开发。

使用以下命令检查软连接是否正常：

sudo ldconfig

2. 正式安装

安装依赖软件：

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilerssudo apt-get install --no-install-recommends libboost-all-devsudo apt-get install libopenblas-dev liblapack-dev libatlas-base-devsudo apt-get install git cmake build-essential

从官方网站下载并编译 OpenCV：

访问 OpenCV官网，下载 3.x 系列，解压到安装目录并进入。

创建编译目录并执行：

mkdir buildcd buildcmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/localmake -j8

编译过程中可能会出现 OpenCV 3.1 与 CUDA 8.0 不兼容的问题，需修改 opencv-3.1.0/modules/cudalegacy/src/graphcuts.cpp 文件内容。

安装完成后验证 OpenCV 版本：

pkg-config --modversion opencv

安装 Caffe-SSD：

克隆仓库并切换分支：

git clone https://github.com/weiliu89/caffe.gitcd caffeegit checkout ssd

再次安装依赖软件：

sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilerssudo apt-get install --no-install-recommends libboost-all-devsudo apt-get install libatlas-base-dev python-devsudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev

修改 Makefile.config 文件：

cp Makefile.config.example Makefile.configvim Makefile.config

应用 CUDNN 和 OpenCV：

修改 CUDNN 支持：

# 取消注释：USE_CUDNN := 1USE_CUDNN := 1

修改 OpenCV 版本：

# 取消注释：OPENCV_VERSION := 3OPENCV_VERSION := 3

启用 Python 接口并修改 Python 路径：

修改 Python 支持：

# 取消注释：WITH_PYTHON_LAYER := 1WITH_PYTHON_LAYER := 1

修改 Python 路径：

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/includeLIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib

注释 Python2 依赖并切换到 Python3：

# 取消注释：PYTHON_INCLUDE := /usr/include/python2.7# PYTHON_INCLUDE := /usr/lib/python2.7/dist-packages/numpy/core/includePYTHON_INCLUDE := /usr/include/python3.6mPYTHON_INCLUDE := /usr/lib/python3.6/dist-packages/numpy/core/include

编译 Caffe：

make all -j32make test -j32make pycaffemake runtest -j32

如果遇到 无法找到 -lopenblas 错误，请安装 OpenBLAS：

sudo apt install liblapack-dev liblapack3 libopenblas-base libopenblas-dev

Caffe 安装完成。

2.ckpt 转 pb 文件（Fast R-CNN）

import tensorflow as tffrom tensorflow.python.framework import graph_utilfrom tensorflow.python import pywrap_tensorflowdef freeze_graph(input_checkpoint, output_graph):    output_node_names = "SCORE/resnet_v1_101_5/cls_prob/cls_prob/scores,SCORE/resnet_v1_101_5/bbox_pred/BiasAdd/bbox_pred/scores,SCORE/resnet_v1_101_5/cls_pred/cls_pred/scores"    saver = tf.train.import_meta_graph(input_checkpoint + '.meta', clear_devices=True)    graph = tf.get_default_graph()    input_graph_def = graph.as_graph_def()    with tf.Session() as sess:        saver.restore(sess, input_checkpoint)        output_graph_def = graph_util.convert_variables_to_constants(            sess=sess,            input_graph_def=input_graph_def,            output_node_names=output_node_names.split(",")        )        with tf.gfile.GFile(output_graph, "wb") as f:            f.write(output_graph_def.SerializeToString())    print("%d ops in the final graph." % len(output_graph_def.node))# 示例使用input_checkpoint = './checkpoints/res101_faster_rcnn_iter_70000.ckpt'output_pb_path = './checkpoints/frozen_model.pb'freeze_graph(input_checkpoint, output_pb_path)

3. 人脸检测识别

3.1 MTCNN（人脸检测）

MTCNN 是一种经典的人脸检测算法，主要包括三个步骤：

PnP（多框标注修正）：用于修正图片中的人脸框。

RPN（区域建议网络）：用于生成多个人脸区域建议。

Dbox（人脸_box）：用于精确定位人脸位置。

3.2 FaceNet（人脸识别）

FaceNet 是一个基于深度学习的统一人脸特征提取模型，能够从任意深度学习模型中提取人脸特征。其训练数据集包括：

CASIA-WebFace 数据集：训练链接：pan.baidu.com/s/1dYHmuTOShnXBE0xUfvdWxw，提取码：7bap

训练模型：训练链接：pan.baidu.com/s/1QaMS46EWB80EYLQ8p8a4kw，提取码：cpfa

训练完成后，可通过 .dat 文件进行模型测试。

上一篇：9-Springboot任务管理

下一篇：CSS基础知识点总结、三

发表评论

关于作者

喝酒易醉，品茶养心，人生如梦，品茶悟道，何以解忧？唯有杜康！

-- 愿君每日到此一游！