最简单的方式使用Discriminatively Trained Deformable Part Models训练自己的模型(原创，适合没有linux基础和matlab基础的人)
最近尝试使用Pedro Felzenszwalb的Discriminatively Trained Deformable Part Models（http://www.cs.brown.edu/~pff/）训练自己的模型，因为基本没用过matlab和linux，所以开始比较糊涂，后来看了pozen的http://blog.csdn.net/pozen/article/details/7023742，收获很大，所以自己尝试了一下，现在已经跑起来了。
Pozen的工作还是主要讲怎么在windows下训练，其中怎么准备数据说的不是很清楚，我这里稍微补充一下吧。（注意：我是在linux下跑的，windows下还要参考pozen的工作）
首先，当然是下载 voc-release4.01.tgz。因为voc-release4.01.tgz自带的训练是结合VOCdevkit，所以为了尽可能少的改动代码，我们还是把这个下载了吧，至少还可以用它的负样例不是。下载地址：http://pascallin.ecs.soton.ac.uk/challenges/VOC/voc2011/VOCdevkit_25-May-2011.tar，如果用VOC的数据，请自行下载。
OK，都下载完，解压缩完，就可以更改代码了。
首先，按照Felzenszwalb的说明，需要修改'globals.m'。这里，需要修改以下几个地方
14 VOCyear = '2011';%选择你想使用的VOC的数据的年份，或者你不需要使用，就默认2011吧。
17 % directory for caching models, intermediate data, and results
18 cachedir = ['. /TrainVal/VOCdevkit/result/2011/'];%这里是放训练好的models、中间数据和结果的地方，训练好的模型就在这里。
37 % directory with PASCAL VOC development kit and dataset
38 VOCdevkit = ['D:/data/TrainVal/VOCdevkit/'];%顾名思义
try
load([cachedir cls '_train_' year]);%cls是种类名，例如人就是person
catch
% positive examples from train+val
也就是说，如果你之前已经加载好了数据，并且命名格式是cls_train_year，则直接进行训练，不会再重新加载数据。因此，我们只需自己把需要训练的数据按照要求的格式准备好就行了。那么，cls_train_year是什么格式的呢，通过分析，发现包含两种类型，POS和NEG。
POS中存储了正样例的相关信息，主要包含图像地址，图像中正样例标注框的起始点和结束点，其他的我们训练自己的数据一般用不到。因此，我们只需要将我们训练的正样例数据保存在以下格式中：
x1 y1 x2 y2 path
说明：x1,y1为正样例的外接矩形的起始点，x2,y2为正样例的外接矩形的结束点，path为这个图片的路径。然后使用如下代码读入到POS中。
function [pos] = pascal_data2(clspos,numTrainPos,cls)
%clspos为正样例文件的地址，numTrainPos正样例数目,cls为正样例的名称
% Get training data from the PASCAL dataset.
pos = [];
numpos = 0;
[a,b,c,d,e]=textread(clspos,'%d%d%d%d%s');
for i = 1:numTrainPos;
numpos = numpos+1;
pos(numpos).im = [e(numpos)];
pos(numpos).x1 = a(numpos);
pos(numpos).y1 = b(numpos);
pos(numpos).x2 = c(numpos);
pos(numpos).y2 = d(numpos);
pos(numpos).flip = false;
pos(numpos).trunc = 0;
end
year = '2011';
save([cls '_train_' year], 'pos');
end
NEG中存放了负样例信息，其实只是负样例的图像地址。同样放到一个文本文件中，然后用以下代码读取
function [neg] = pascal_data2(clsneg,numTrainNeg,cls)
% negative examples from train (this seems enough!)
[e]=textread(clsneg,'%s');
%fid2=fopen(clsneg,'r');%得到文件号
neg = [];
numneg = 0;
for i = 1:numTrainNeg;
numneg = numneg+1;
neg(numneg).im = e(numneg);
neg(numneg).flip = false;
end
save([cls '_train_20120212' ], 'neg');
end
最后保存成cls_train_year的数据文件就行了。
pos = pascal_data_pos('trainpos.txt',3776,'pos');
neg = pascal_data_neg('trainneg.txt',2315,'neg');
save('person_train_2011','pos','neg');
最后，按照作者的提示进行操作就行啦！
3. Run 'make' to compile learn.cc, the LSVM gradient descent code.
(Run from a shell, not Matlab.)
4. Start matlab.
5. Run the 'compile' script to compile the helper functions.
(you may need to edit compile.m to use a different convolution
routine depending on your system)
6. Use the 'pascal' script to train and evaluate a model.
example:
> pascal('person', 3); % train and evaluate a 6 component person model
以上就是我作为一个对linux和matlab都及其不熟悉的人使用Discriminatively Trained Deformable Part Models训练自己数据的方法，大家可以实践一下，有问题欢迎指出！
No comments:
Post a Comment