LIFT: Learned Invariant Feature Points完整调试记录（四）测试程序

相关的论文和开源代码，这里再次贴出一次，
论文：Kwang Moo Yi, Eduard Trulls, Vincent Lepetit, Pascal Fua, ” LIFT: Learned Invariant Feature Transform”, in ECCV 2016, https://arxiv.org/abs/1603.09114

代码： alexgkendall/caffe-posenet

1.注意事项

相关组件要配置完成，才可以进行测试，否则会报大量的错误，容易找不到问题的根源所在。经常是一个地方出现了错误，导致很多地方接连发生了报错。
注意软件环境：python2.7, theano-0.9.0, Lasagne (0.2.dev1), flufl.lock (2.4.1)，剩下的numpy，scipy，parse，h5py版本没有要求。
配置theano框架为gpu模式，打开theano文件输入，

[global]
device=gpu
floatX=float32
root=/usr/local/cuda-8.0
[nvcc]
fastmath = True
[blas]
ldflags = -lopenblas
[cuda]
root = /usr/local/cuda-8.0
[nvcc]
flags=-D_FORCE_INLINES
[lib]
cnmem=0.5

2.实验准备

（1）设置cudnn无效
因为上述环境配置没有配置好cudnn，所以这里的测试不能用cudnn。

cd LIFT
gedit run.sh

在将文件中这个位置更改，

# Whether the use Theano when keypoint testing. CuDNN is required when turned
# on=1，off=0
_LIFT_USE_THEANO=0

（2）注意opencv版本要求
必须是opencv3以上的版本才行，否则会保错。因为我装了两个版本的opencv，所以要设置opencv3的位置，首先打开cmakelist，

cd LIFT/c-code/
gedit CMakeLists.txt

将文件中的find_package(OpenCV REQUIRED)命令改写如下

set(OpenCV_DIR /usr/local/opencv320/share/OpenCV)
find_package(OpenCV 3.2 REQUIRED)

opencv的多版本共存方法参考博客：Ubuntu14.04 opencv2.4.8和opencv3.2多版本共存

（3）程序中还有一个问题
这个问题不知道是不是程序的bug，反正就是一直运行不通过，就是compute_detector.py文件，在LIFT/python-code/目录下，出错的地方在248行的位置，源程序是

start_time = time.clock()
test_res_list += [np.pad(test_res,
                int((param.model.nFilterSize - 1) / 2),
                # mode='edge')]
                mode='constant',
                constant_values=-np.inf)]
end_time = time.clock()

其中的constant_values=-np.inf一直保错，报-inf不能构成tuple元组，后来我改成如下所示代码，运行通过了

start_time = time.clock()
temp=np.min(test_res)
test_res_list += [np.pad(test_res,
                int((param.model.nFilterSize - 1) / 2),
                # mode='edge')]
                mode='constant',
                #constant_values=-np.inf)]
                constant_values=int(temp))]
end_time = time.clock()

3.实验

安装readme所述，开始进行实验。提醒一句，pip install -r requirements.txt是不成功的，需要单独配置环境，具体流程参见我的前几章博客。首先，编译共享库，

cd c-code/build
cmake ..
make

然后，就可以运行程序了，运行指令

cd LIFT
./run.sh

最后在results文件夹中可以看到有许多结果文件
这里写图片描述

匹配特征得到的图片如下
这里写图片描述

在看完作者源码之后，发现训练源码好像并没有公布，加之我本来就不是搞深度学习的，所以意识到这个坑之后，我就放弃了。转而去学习其他内容了……