# atrmstar

**Repository Path**: enthal/atrmstar

## Basic Information

- **Project Name**: atrmstar
- **Description**: No description available
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-11-06
- **Last Updated**: 2020-12-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 算法模块

### 语义分割

- 位于目录`mstar/`
- 基于算法`Mask RCNN`
- 基于 Deeplab 等的实现并非本项目内容，该算法或类似算法的指标，可从类似工作中得到，从而得到对比。

下载预训练文件 `mask_rcnn_coco.h5`，并将其放置于 `pretrained`文件夹中.
进入 `mstar` 目录，运行`train.sh`脚本.

### 图像识别

- 位于目录`mstar/`
- 基于算法`Mask RCNN`
- 基于 SSD、Fast RCNN 等的实现并非本项目内容，该算法或类似算法的指标，可从类似工作中得到，从而得到对比。

### 图像去噪

- 位于目录`denoiser/`
- 基于算法`DnCNN`
- 运行方式

  进入目录`noise`执行命令：

  训练： `python main.py --batch_size 8` 其中 `batch_size` 根据内存等情况设定. 或者，直接运行其中的脚本 `train.sh`.
  运行前，修改其中的数据集目录.
  测试： `python main.py --phase test`

### 图像解释

- 位于目录`caption/`
- 基于算法 "Show, Attend and Tell: Neural Image Caption Generation with Visual Attention" by Xu et al. (ICML2015)

其中的预训练模型是可选的，下载后放置于根目录的`pretrained`文件夹中. 训练可以直接运行其中的脚本文件`train.sh`。脚本文件中提供了两种方式，其中一种是不需要预训练模型文件的，可以选择。
在训练直接之前，需要准备好数据，其中数据的各种路径在`config.py`文件中指定.

另外，还有可能需要下载 `nltk_data`，请放置于其要求的系统目录, 或者 home 路径下，类似于 `/home/some/nltk_data/punkt`

## 环境准备

### 硬件要求

- Intel CPU + NVIDIA 显卡

### 环境要求

- ubuntu 20.04
- anaconda3-5.1.0
- python 3.7.9
- tensorflow-gpu v1.15.0
- keras 2.3.1

### 安装过程

1. 安装 `pyenv`
2. 安装 `anaconda` 版本为 anaconda3-5.1.0
3. 使用 `pyenv activate` 或 `pyenv local` 或 `pyenv global` 等切换到该环境，从而可以使用对应版本下的 `conda` 及 `pip` 以更新包
4. 安装 `tensorflow-gpu v1.15.0` 与 `keras`
5. 通过 `conda` 命令安装各种依赖，包括 `scikit-image` `matplotlib`等
6. 通过 `pip` 安装 `imgaug` 等 `conda` 不支持安装的包
7. 安装可选包：`pycocotools` `ipykernel` 等可选包。

### 数据集准备

#### 标准属性与定义

- 在 VIA 2.0 中定义属性
- 需将该属性以 JSON 格式导出到文件中，并放置于数据集的根目录，以待后续使用.

#### 识别种类

```
{
   "0":"shadow",
   "1":"2S1",
   "2":"ZSU-23-4",
   "3":"BRDM2",
   "4":"BMP2",
   "5":"BTR60",
   "6":"BTR70",
   "7":"T62",
   "8":"T72",
   "9":"ZIL131",
   "10":"D7"
}
```

1. 2S1 装甲自行火炮/2S1 式自行榴弹炮
2. ZSU-23-4 自行高炮
3. BRDM2 装甲侦察车
4. BMP2 步兵战车
5. BTR60 轮式装甲输送车
6. BTR70 轮式装甲输送车
7. T62 主战坦克
8. T72 主战坦克
9. ZIL131 军用卡车
10. D7 推土机

#### 标注工具

- 数据获取
  https://www.pianshen.com/article/68521172533/

  2S1（自行榴弹炮）、BRDM2（装甲侦察车）、BMP2（步兵战车）、BTR60（装甲运输车）、BTR70（装甲运输车），D7（推土机）、T62（坦克）、T72（坦克）、ZIL131（货运卡车）、ZSU234（自行高炮）

- [VGG Image Annotator][1] (VIA[^1])

  是一款开源的图像标注工具，由 Visual Geometry Group 开发。可以在线和离线使用，可标注矩形、圆、椭圆、多边形、点和线。标注完成后，可以导出为 csv 和 json 文件格式。

  参见[VIA 使用笔记][2]，[关于 Mask-Rcnn 中标注工具 VIA（VGG Image Annotator）使用的详解][3]

#### API 文档生成

##### 使用`Sphinx`

参考 https://blog.csdn.net/sinat_29957455/article/details/83657029

- 第一种方法：依次执行以下命令
  在根目录 `mkdir doc`
  `cp aux/for_sphinx_doc/conf.py doc`
  `cd doc `
  `sphinx-apidoc -o ./ ../`
  `make html`

- 第二种方法：执行脚本 `./make_doc.sh`

##### 使用 `pydoc`

参考 https://www.jianshu.com/p/bf2df7e433ec

- 项目的根目录执行 `python -m pydoc -p 1234`
- 用浏览器访问 `http://localhost:1234`

##### 问题处理

- AttributeError: 'Model' object has no attribute 'metrics_tensors'
  https://blog.csdn.net/DeMeng33/article/details/103953984

keras 本地版本过高，三种解决办法，任选其一：

1. 降低本地版本到 2.2.5 以下，当然要高于 2.0.8
2. 修改代码，将
   `self.keras_model.metrics_tensors.append(loss)`
   改成
   `self.keras_model.add_metric(loss, name)`
3. 初始化
   `self.keras_model.metrics_tensors = []`

[^1]: http://www.robots.ox.ac.uk/~vgg/software/via

[1]: http://www.robots.ox.ac.uk/~vgg/software/via
[2]: https://blog.csdn.net/qq_24815615/article/details/107905976
[3]: https://blog.csdn.net/weixin_44498476/article/details/90311063

- Failed to get convolution algorithm，This is probably because cuDNN failed to initialize
  在模型代码之前加入以下代码

  ```
   gpu_options=tf.GPUOptions(allow_growth = True,per_process_gpu_memory_fraction=0.85)
   config=tf.ConfigProto(gpu_options=gpu_options)
   session = tf.Session(config=config)
  ```

- tensorflow.python.framework.errors_impl.ResourceExhaustedError
  这是显存不足以使用，请修改 `batch_size` 到更小值试试.

- 抑制 TensorFlow 的内部警告
  ```
  tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)
  os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
  ```
- Ubuntu 上 import cv2 报错 ImportError: libGL.so.1
  sudo apt install libgl1-mesa-glx