blame | history | patch | commit | commitdiff | ignore whitespace
Joseph Redmon
2015-08-11 d0b9326a352ed2fbc3ae66fdef40b4533a2f211d 
 src/detection.c


@@ -1,63 +1,60 @@


#include "network.h"


#include "detection_layer.h"


#include "cost_layer.h"


#include "utils.h"


#include "parser.h"


#include "box.h"






char *class_names[] = {"bg", "aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"};


char *inet_class_names[] = {"bg", "accordion", "airplane", "ant", "antelope", "apple", "armadillo", "artichoke", "axe", "baby bed", "backpack", "bagel", "balance beam", "banana", "band aid", "banjo", "baseball", "basketball", "bathing cap", "beaker", "bear", "bee", "bell pepper", "bench", "bicycle", "binder", "bird", "bookshelf", "bow tie", "bow", "bowl", "brassiere", "burrito", "bus", "butterfly", "camel", "can opener", "car", "cart", "cattle", "cello", "centipede", "chain saw", "chair", "chime", "cocktail shaker", "coffee maker", "computer keyboard", "computer mouse", "corkscrew", "cream", "croquet ball", "crutch", "cucumber", "cup or mug", "diaper", "digital clock", "dishwasher", "dog", "domestic cat", "dragonfly", "drum", "dumbbell", "electric fan", "elephant", "face powder", "fig", "filing cabinet", "flower pot", "flute", "fox", "french horn", "frog", "frying pan", "giant panda", "goldfish", "golf ball", "golfcart", "guacamole", "guitar", "hair dryer", "hair spray", "hamburger", "hammer", "hamster", "harmonica", "harp", "hat with a wide brim", "head cabbage", "helmet", "hippopotamus", "horizontal bar", "horse", "hotdog", "iPod", "isopod", "jellyfish", "koala bear", "ladle", "ladybug", "lamp", "laptop", "lemon", "lion", "lipstick", "lizard", "lobster", "maillot", "maraca", "microphone", "microwave", "milk can", "miniskirt", "monkey", "motorcycle", "mushroom", "nail", "neck brace", "oboe", "orange", "otter", "pencil box", "pencil sharpener", "perfume", "person", "piano", "pineapple", "ping-pong ball", "pitcher", "pizza", "plastic bag", "plate rack", "pomegranate", "popsicle", "porcupine", "power drill", "pretzel", "printer", "puck", "punching bag", "purse", "rabbit", "racket", "ray", "red panda", "refrigerator", "remote control", "rubber eraser", "rugby ball", "ruler", "salt or pepper shaker", "saxophone", "scorpion", "screwdriver", "seal", "sheep", "ski", "skunk", "snail", "snake", "snowmobile", "snowplow", "soap dispenser", "soccer ball", "sofa", "spatula", "squirrel", "starfish", "stethoscope", "stove", "strainer", "strawberry", "stretcher", "sunglasses", "swimming trunks", "swine", "syringe", "table", "tape player", "tennis ball", "tick", "tie", "tiger", "toaster", "traffic light", "train", "trombone", "trumpet", "turtle", "tv or monitor", "unicycle", "vacuum", "violin", "volleyball", "waffle iron", "washer", "water bottle", "watercraft", "whale", "wine bottle", "zebra"};


#define AMNT 3


void draw_detection(image im, float *box, int side)


char *class_names[] = {"aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"};




void draw_detection(image im, float *box, int side, int objectness, char *label)


{


    int classes = 201;


    int elems = 4+classes;


    int classes = 20;


    int elems = 4+classes+objectness;


    int j;


    int r, c;




    for(r = 0; r < side; ++r){


        for(c = 0; c < side; ++c){


            j = (r*side + c) * elems;


            //printf("%d\n", j);


            //printf("Prob: %f\n", box[j]);


            float scale = 1;


            if(objectness) scale = 1 - box[j++];


            int class = max_index(box+j, classes);


            if(box[j+class] > .02 || 1){


                //int z;


                //for(z = 0; z < classes; ++z) printf("%f %s\n", box[j+z], class_names[z]);


                printf("%f %s\n", box[j+class], inet_class_names[class]);


            if(scale * box[j+class] > 0.2){


                int width = box[j+class]*5 + 1;


                printf("%f %s\n", scale * box[j+class], class_names[class]);


                float red = get_color(0,class,classes);


                float green = get_color(1,class,classes);


                float blue = get_color(2,class,classes);




                //float maxheight = distance_from_edge(r, side);


                //float maxwidth  = distance_from_edge(c, side);


                j += classes;


                float y = box[j+0];


                float x = box[j+1];


                float x = box[j+0];


                float y = box[j+1];


                x = (x+c)/side;


                y = (y+r)/side;


                float h = box[j+2]; //*maxheight;


                float w = box[j+3]; //*maxwidth;


                float w = box[j+2]; //*maxwidth;


                float h = box[j+3]; //*maxheight;


                h = h*h;


                w = w*w;


                //printf("coords %f %f %f %f\n", x, y, w, h);




                int left  = (x-w/2)*im.w;


                int right = (x+w/2)*im.w;


                int top   = (y-h/2)*im.h;


                int bot   = (y+h/2)*im.h;


                draw_box(im, left, top, right, bot, red, green, blue);


                draw_box_width(im, left, top, right, bot, width, red, green, blue);


            }


        }


    }


    //printf("Done\n");


    show_image(im, "box");


    cvWaitKey(0);


    show_image(im, label);


}




void train_detection(char *cfgfile, char *weightfile)


{


    char *train_images = "/home/pjreddie/data/voc/test/train.txt";


    char *backup_directory = "/home/pjreddie/backup/";


    srand(time(0));


    int imgnet = 0;


    data_seed = time(0);


    char *base = basecfg(cfgfile);


    printf("%s\n", base);


    float avg_loss = -1;


@@ -65,37 +62,29 @@


    if(weightfile){


        load_weights(&net, weightfile);


    }


    detection_layer *layer = get_network_detection_layer(net);


    detection_layer layer = get_network_detection_layer(net);


    printf("Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);


    int imgs = 128;


    int i = net.seen/imgs;


    data train, buffer;




    int classes = layer->classes;


    int background = layer->background;


    int side = sqrt(get_detection_layer_locations(*layer));


    int classes = layer.classes;


    int background = layer.objectness;


    int side = sqrt(get_detection_layer_locations(layer));




    char **paths;


    list *plist;


    if (imgnet){


        plist = get_paths("/home/pjreddie/data/imagenet/det.train.list");


    }else{


        plist = get_paths("/home/pjreddie/data/voc/trainall.txt");


    }


    list *plist = get_paths(train_images);


    int N = plist->size;




    paths = (char **)list_to_array(plist);


    pthread_t load_thread = load_data_detection_thread(imgs, paths, plist->size, classes, net.h, net.w, side, side, background, &buffer);


    pthread_t load_thread = load_data_detection_thread(imgs, paths, plist->size, classes, net.w, net.h, side, side, background, &buffer);


    clock_t time;


    while(1){


    while(i*imgs < N*130){


        i += 1;


        time=clock();


        pthread_join(load_thread, 0);


        train = buffer;


        load_thread = load_data_detection_thread(imgs, paths, plist->size, classes, net.h, net.w, side, side, background, &buffer);




/*


           image im = float_to_image(im_dim, im_dim, 3, train.X.vals[114]);


           draw_detection(im, train.y.vals[114], 7);


*/


        load_thread = load_data_detection_thread(imgs, paths, plist->size, classes, net.w, net.h, side, side, background, &buffer);




        printf("Loaded: %lf seconds\n", sec(clock()-time));


        time=clock();


@@ -103,14 +92,83 @@


        net.seen += imgs;


        if (avg_loss < 0) avg_loss = loss;


        avg_loss = avg_loss*.9 + loss*.1;




        printf("%d: %f, %f avg, %lf seconds, %d images\n", i, loss, avg_loss, sec(clock()-time), i*imgs);


        if(i%100==0){


        if((i-1)*imgs <= N && i*imgs > N){


            fprintf(stderr, "First stage done\n");


            net.learning_rate *= 10;


            char buff[256];


            sprintf(buff, "/home/pjreddie/imagenet_backup/%s_%d.weights",base, i);


            sprintf(buff, "%s/%s_first_stage.weights", backup_directory, base);


            save_weights(net, buff);


        }


        if((i-1)*imgs <= 80*N && i*imgs > N*80){


            fprintf(stderr, "Second stage done.\n");


            net.learning_rate *= .1;


            char buff[256];


            sprintf(buff, "%s/%s_second_stage.weights", backup_directory, base);


            save_weights(net, buff);


            return;


        }


        if((i-1)*imgs <= 120*N && i*imgs > N*120){


            fprintf(stderr, "Third stage done.\n");


            char buff[256];


            sprintf(buff, "%s/%s_third_stage.weights", backup_directory, base);


            net.layers[net.n-1].rescore = 1;


            save_weights(net, buff);


        }


        if(i%1000==0){


            char buff[256];


            sprintf(buff, "%s/%s_%d.weights", backup_directory, base, i);


            save_weights(net, buff);


        }


        free_data(train);


    }


    char buff[256];


    sprintf(buff, "%s/%s_final.weights", backup_directory, base);


    save_weights(net, buff);


}




void convert_detections(float *predictions, int classes, int objectness, int background, int num_boxes, int w, int h, float thresh, float **probs, box *boxes)


{


    int i,j;


    int per_box = 4+classes+(background || objectness);


    for (i = 0; i < num_boxes*num_boxes; ++i){


        float scale = 1;


        if(objectness) scale = 1-predictions[i*per_box];


        int offset = i*per_box+(background||objectness);


        for(j = 0; j < classes; ++j){


            float prob = scale*predictions[offset+j];


            probs[i][j] = (prob > thresh) ? prob : 0;


        }


        int row = i / num_boxes;


        int col = i % num_boxes;


        offset += classes;


        boxes[i].x = (predictions[offset + 0] + col) / num_boxes * w;


        boxes[i].y = (predictions[offset + 1] + row) / num_boxes * h;


        boxes[i].w = pow(predictions[offset + 2], 2) * w;


        boxes[i].h = pow(predictions[offset + 3], 2) * h;


    }


}




void print_detections(FILE **fps, char *id, box *boxes, float **probs, int num_boxes, int classes, int w, int h)


{


    int i, j;


    for(i = 0; i < num_boxes*num_boxes; ++i){


        float xmin = boxes[i].x - boxes[i].w/2.;


        float xmax = boxes[i].x + boxes[i].w/2.;


        float ymin = boxes[i].y - boxes[i].h/2.;


        float ymax = boxes[i].y + boxes[i].h/2.;




        if (xmin < 0) xmin = 0;


        if (ymin < 0) ymin = 0;


        if (xmax > w) xmax = w;


        if (ymax > h) ymax = h;




        for(j = 0; j < classes; ++j){


            if (probs[i][j]) fprintf(fps[j], "%s %f %f %f %f %f\n", id, probs[i][j],


                    xmin, ymin, xmax, ymax);


        }


    }


}




void validate_detection(char *cfgfile, char *weightfile)


@@ -119,92 +177,112 @@


    if(weightfile){


        load_weights(&net, weightfile);


    }


    detection_layer *layer = get_network_detection_layer(net);


    set_batch_network(&net, 1);


    detection_layer layer = get_network_detection_layer(net);


    fprintf(stderr, "Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);


    srand(time(0));




    list *plist = get_paths("/home/pjreddie/data/voc/val.txt");


    //list *plist = get_paths("/home/pjreddie/data/voc/train.txt");


    char *base = "results/comp4_det_test_";


    list *plist = get_paths("/home/pjreddie/data/voc/test/2007_test.txt");


    char **paths = (char **)list_to_array(plist);




    int classes = layer->classes;


    int nuisance = layer->nuisance;


    int background = (layer->background && !nuisance);


    int num_boxes = sqrt(get_detection_layer_locations(*layer));


    int classes = layer.classes;


    int objectness = layer.objectness;


    int background = layer.background;


    int num_boxes = sqrt(get_detection_layer_locations(layer));




    int per_box = 4+classes+background+nuisance;


    int num_output = num_boxes*num_boxes*per_box;


    int j;


    FILE **fps = calloc(classes, sizeof(FILE *));


    for(j = 0; j < classes; ++j){


        char buff[1024];


        snprintf(buff, 1024, "%s%s.txt", base, class_names[j]);


        fps[j] = fopen(buff, "w");


    }


    box *boxes = calloc(num_boxes*num_boxes, sizeof(box));


    float **probs = calloc(num_boxes*num_boxes, sizeof(float *));


    for(j = 0; j < num_boxes*num_boxes; ++j) probs[j] = calloc(classes, sizeof(float *));




    int m = plist->size;


    int i = 0;


    int splits = 100;


    int num = (i+1)*m/splits - i*m/splits;


    int i=0;


    int t;




    fprintf(stderr, "%d\n", m);


    data val, buffer;


    pthread_t load_thread = load_data_thread(paths, num, 0, 0, num_output, net.h, net.w, &buffer);


    clock_t time;


    for(i = 1; i <= splits; ++i){


        time=clock();


        pthread_join(load_thread, 0);


        val = buffer;


    float thresh = .001;


    int nms = 1;


    float iou_thresh = .5;




        num = (i+1)*m/splits - i*m/splits;


        char **part = paths+(i*m/splits);


        if(i != splits) load_thread = load_data_thread(part, num, 0, 0, num_output, net.h, net.w, &buffer);




        fprintf(stderr, "%d: Loaded: %lf seconds\n", i, sec(clock()-time));


        matrix pred = network_predict_data(net, val);


        int j, k, class;


        for(j = 0; j < pred.rows; ++j){


            for(k = 0; k < pred.cols; k += per_box){


                float scale = 1.;


                int index = k/per_box;


                int row = index / num_boxes;


                int col = index % num_boxes;


                if (nuisance) scale = 1.-pred.vals[j][k];


                for (class = 0; class < classes; ++class){


                    int ci = k+classes+background+nuisance;


                    float y = (pred.vals[j][ci + 0] + row)/num_boxes;


                    float x = (pred.vals[j][ci + 1] + col)/num_boxes;


                    float h = pred.vals[j][ci + 2]; //* distance_from_edge(row, num_boxes);


                    h = h*h;


                    float w = pred.vals[j][ci + 3]; //* distance_from_edge(col, num_boxes);


                    w = w*w;


                    printf("%d %d %f %f %f %f %f\n", (i-1)*m/splits + j, class, scale*pred.vals[j][k+class+background+nuisance], y, x, h, w);


                }


            }


        }




        time=clock();


        free_data(val);


    int nthreads = 8;


    image *val = calloc(nthreads, sizeof(image));


    image *val_resized = calloc(nthreads, sizeof(image));


    image *buf = calloc(nthreads, sizeof(image));


    image *buf_resized = calloc(nthreads, sizeof(image));


    pthread_t *thr = calloc(nthreads, sizeof(pthread_t));


    for(t = 0; t < nthreads; ++t){


        thr[t] = load_image_thread(paths[i+t], &buf[t], &buf_resized[t], net.w, net.h);


    }


    time_t start = time(0);


    for(i = nthreads; i < m+nthreads; i += nthreads){


        fprintf(stderr, "%d\n", i);


        for(t = 0; t < nthreads && i+t-nthreads < m; ++t){


            pthread_join(thr[t], 0);


            val[t] = buf[t];


            val_resized[t] = buf_resized[t];


        }


        for(t = 0; t < nthreads && i+t < m; ++t){


            thr[t] = load_image_thread(paths[i+t], &buf[t], &buf_resized[t], net.w, net.h);


        }


        for(t = 0; t < nthreads && i+t-nthreads < m; ++t){


            char *path = paths[i+t-nthreads];


            char *id = basecfg(path);


            float *X = val_resized[t].data;


            float *predictions = network_predict(net, X);


            int w = val[t].w;


            int h = val[t].h;


            convert_detections(predictions, classes, objectness, background, num_boxes, w, h, thresh, probs, boxes);


            if (nms) do_nms(boxes, probs, num_boxes, classes, iou_thresh);


            print_detections(fps, id, boxes, probs, num_boxes, classes, w, h);


            free(id);


            free_image(val[t]);


            free_image(val_resized[t]);


        }


    }


    fprintf(stderr, "Total Detection Time: %f Seconds\n", (double)(time(0) - start));


}




void test_detection(char *cfgfile, char *weightfile)


void test_detection(char *cfgfile, char *weightfile, char *filename)


{




    network net = parse_network_cfg(cfgfile);


    if(weightfile){


        load_weights(&net, weightfile);


    }


    int im_size = 448;


    detection_layer layer = get_network_detection_layer(net);


    set_batch_network(&net, 1);


    srand(2222222);


    clock_t time;


    char filename[256];


    char input[256];


    while(1){


        fgets(filename, 256, stdin);


        strtok(filename, "\n");


        image im = load_image_color(filename, im_size, im_size);


        translate_image(im, -128);


        scale_image(im, 1/128.);


        printf("%d %d %d\n", im.h, im.w, im.c);


        float *X = im.data;


        if(filename){


            strncpy(input, filename, 256);


        } else {


            printf("Enter Image Path: ");


            fflush(stdout);


            fgets(input, 256, stdin);


            strtok(input, "\n");


        }


        image im = load_image_color(input,0,0);


        image sized = resize_image(im, net.w, net.h);


        float *X = sized.data;


        time=clock();


        float *predictions = network_predict(net, X);


        printf("%s: Predicted in %f seconds.\n", filename, sec(clock()-time));


        draw_detection(im, predictions, 7);


        printf("%s: Predicted in %f seconds.\n", input, sec(clock()-time));


        draw_detection(im, predictions, 7, layer.objectness, "predictions");


        free_image(im);


        free_image(sized);


#ifdef OPENCV


        cvWaitKey(0);


        cvDestroyAllWindows();


#endif


        if (filename) break;


    }


}




@@ -217,7 +295,8 @@




    char *cfg = argv[3];


    char *weights = (argc > 4) ? argv[4] : 0;


    if(0==strcmp(argv[2], "test")) test_detection(cfg, weights);


    char *filename = (argc > 5) ? argv[5]: 0;


    if(0==strcmp(argv[2], "test")) test_detection(cfg, weights, filename);


    else if(0==strcmp(argv[2], "train")) train_detection(cfg, weights);


    else if(0==strcmp(argv[2], "valid")) validate_detection(cfg, weights);


}