faster-rcnn中新增Mask中的RoiAlign層，使迴歸框更精確（ roi_align_layer.cu:240] Check failed: error == cudaSuccess *）
版權宣告：本文為博主原創文章，未經博主允許不得轉載。 https://blog.csdn.net/e01528/article/details/80265118
具體的操作為什麼這樣做，可參照：
ROI pooling層
說起ROI Alignment，就要說道faster-rcnn的ROI pooling，
ROIpooling層結構是為了將原影象的rois對映到固定大小的feature map上。而此方法有一些缺點，會帶來邊緣畫素的缺失
ROI Align的作用
如果roi大小為(7,6)，而roipooling是分成了(6,6)的部分，(7,6)到(6,6)的轉換必然帶來了邊緣某畫素的損失。而roialign利用雙線性插值，將roi(7,6)插值擴充到(12,12)，此時再做(6,6)的roipooling，會提高精度，充分利用了roi的畫素。
用到的檔案連結: https://pan.baidu.com/s/1-f98btUdxX5h8bFTKRxLmA 密碼: mypk
1.~/py-faster-rcnn/caffe-fast-rcnn/include/caffe/layers 新增roi_align_layer.hpp
2.~/py-faster-rcnn/caffe-fast-rcnn/src/caffe/layers 新增roi_align_layer.cpp roi_align_layer.cu
3.~/py-faster-rcnn/caffe-fast-rcnn/src/caffe/proto 中caffe.proto新增add for roi align以下的
-
// Message that stores parameters used by ROIPoolingLayer -
message ROIPoolingParameter { -
// Pad, kernel size, and stride are all given as a single value for equal -
// dimensions in height and width or as Y, X pairs. -
optional uint32 pooled_h = 1 [default = 0]; // The pooled output height -
optional uint32 pooled_w = 2 [default = 0]; // The pooled output width -
// Multiplicative spatial scale factor to translate ROI coords from their -
// input scale to the scale used when pooling -
optional float spatial_scale = 3 [default = 1]; -
// add for roi align -
optional float pad_ratio = 4[default = 0]; -
optional uint32 bi_type = 5 [default = 0]; -
optional bool is_multi_interpolate = 6 [default = true];
4.返回caffe-fast-rcnn路徑下 make clean ,make -j64,make pycaffe
5.修改model資料夾下面的prototxt模型檔案，將ROIPooling換成ROIAlign
---------------------------------------- 更新與2018年5月16日 --------------------------------------
如果你電腦出現下面這樣的問題
roi_align_layer.cu:240] Check failed: error == cudaSuccess (7 vs. 0) too many resources requested for launch
【解決方法】：
1. 刪除 roi_align_layer.cu檔案
2. 開啟roi_align_layer.hpp檔案註釋掉需要gpu加速的語句.（如下圖）
3. 重新編譯 make clean ,make -j64,make pycaffe
注意：如果不註釋hpp的那一段，直接刪除cu檔案，重新編譯會報錯
--------------------- 本文來自 Snoopy_Dream 的CSDN 部落格 ，全文地址請點選：https://blog.csdn.net/e01528/article/details/80265118?utm_source=copy