Deskripsi
py-faster-rcnn adalah reimplementasi Python dari kerangka kerja deteksi objek Faster R-CNN, yang awalnya dikembangkan dalam MATLAB. Proyek ini, yang di-host di GitHub, bertujuan untuk menyediakan versi Python yang fungsional bagi para peneliti dan pengembang. Meskipun mencapai Mean Average Precision (mAP) yang serupa dengan kode MATLAB resmi, kinerjanya sekitar 10% lebih lambat pada waktu uji. Perbedaan kinerja ini diatribusikan pada operasi tertentu yang dieksekusi pada CPU di dalam lapisan Python, menghasilkan sekitar 220ms per gambar untuk VGG16 dibandingkan dengan 200ms untuk versi MATLAB.
Implementasi ini dibangun di atas fork Fast R-CNN dan mencakup fitur-fitur seperti pelatihan gabungan perkiraan (approximate joint training), yang sekitar 1,5 kali lebih cepat daripada optimasi bergantian (alternating optimization) untuk VGG16. Proyek ini awalnya dijelaskan dalam laporan teknis arXiv dan kemudian diterbitkan di NIPS 2015. Proyek ini dirilis di bawah Lisensi MIT.
Instalasi melibatkan kloning repositori, membangun modul Cython, dan mengkompilasi Caffe dengan dukungan lapisan Python. Pengguna disarankan untuk memastikan build Caffe mereka menyertakan `WITH_PYTHON_LAYER := 1` dan opsional `USE_CUDNN := 1` di `Makefile.config` mereka. Proyek ini menyediakan skrip untuk mengunduh detektor yang sudah dihitung sebelumnya dan model ImageNet yang sudah dilatih sebelumnya untuk jaringan seperti ZF dan VGG16. Skrip demo tersedia untuk memamerkan kemampuan deteksi pada PASCAL VOC 2007.
Untuk pelatihan dan pengujian, pengguna dapat menggunakan skrip untuk optimasi bergantian (`faster_rcnn_alt_opt.sh`) dan pelatihan gabungan perkiraan (`faster_rcnn_end2end.sh`). Metode terakhir melatih Region Proposal Network (RPN) bersama dengan jaringan Fast R-CNN, yang menghasilkan waktu pelatihan lebih cepat dengan akurasi deteksi yang sebanding. Artefak keluaran, termasuk model terlatih dan hasil pengujian, diorganisir dalam direktori `$FRCN_ROOT/output`.
Penting untuk dicatat bahwa py-faster-rcnn telah usang. Proyek ini merekomendasikan pengguna untuk melihat Detectron, yang mencakup implementasi Mask R-CNN. Kode Faster R-CNN resmi dalam MATLAB tersedia bagi mereka yang ingin mereproduksi hasil dari makalah NIPS 2015.
Sorotan py-faster-rcnn
Implementasi Python dari Faster R-CNN
Mendukung arsitektur jaringan VGG16, ZF, dan VGG_CNN_M_1024
Mencakup pelatihan gabungan perkiraan untuk pengembangan model yang lebih cepat
Menyediakan demo untuk deteksi objek pada PASCAL VOC 2007
Kompatibel dengan Caffe dan pycaffe
Menawarkan skrip untuk melatih dan menguji detektor
Memerlukan konfigurasi build Caffe spesifik untuk lapisan Python
Dirilis di bawah Lisensi MIT
Sudah usang demi Detectron
Memulai dengan py-faster-rcnn
Kloning repositori: Dapatkan kode py-faster-rcnn dari GitHub.
Bangun dependensi: Kompilasi modul Cython dan Caffe dengan dukungan lapisan Python.
Unduh model: Ambil detektor yang sudah dihitung sebelumnya dan model ImageNet yang sudah dilatih sebelumnya.
Jalankan demo: Eksekusi skrip demo untuk demonstrasi cepat deteksi objek.
Konfigurasi pelatihan: Siapkan dataset PASCAL VOC atau COCO untuk pelatihan.
Latih model: Gunakan skrip yang disediakan untuk optimasi bergantian atau pelatihan end-to-end gabungan.
Uji model: Evaluasi model terlatih menggunakan skrip eksperimental.
Integrasikan: Gunakan model terlatih untuk tugas deteksi objek.
Kasus Penggunaan py-faster-rcnn
- Deteksi Objek
- Analisis Gambar
- Penelitian Computer Vision
- Deteksi Real-time
- Evaluasi Dataset
