deep features for text spotting 在windows上使用

deep features for text spotting这篇文章中给的matlab代码eccv2014_textspotting，是作者在mac上编译好的，我们在Windows和linux下使用的时候需要自己编译mex文件。

下面主要介绍如何在Windows下只编译CPU的版本，即不需要GPU支持。

该matlab代码用的是Matconvnet这个是深度学习框架来做文本检测，故我们需要先去下载一个通用版本的 Matconvnet。

github下载地址如下：https://github.com/vlfeat/matconvnet

也可以在我上传在CSDN上下载：http://download.csdn.net/detail/hjl240/9470822

然后用他提供的matconvnet-master\matlab\vl_compilenn.m 进行编译，修改 vl_compilenn 这个文件里面 193行至233行的代码，原本是这样：

将193行至223行的代码

if opts.enableGpu, ext = 'cu' ; else ext='cpp' ; end
lib_src{end+1} = fullfile(root,'matlab','src','bits',['data.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['datamex.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnconv.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnfullyconnected.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnsubsample.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnpooling.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnnormalize.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnbnorm.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnbias.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['vl_nnconv.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['vl_nnconvt.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['vl_nnpool.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['vl_nnnormalize.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['vl_nnbnorm.' ext]) ;
 
% CPU-specific files
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','im2row_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','subsample_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','copy_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','pooling_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','normalize_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','bnorm_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','tinythread.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','imread.cpp') ;
 
% GPU-specific files
if opts.enableGpu
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','im2row_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','subsample_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','copy_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','pooling_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','normalize_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','bnorm_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','datacu.cu') ;
end

替换为如下代码：

if opts.enableGpu, ext = 'cu' ; else ext='cpp' ; end
mex_src{end+1} = fullfile(root,'matlab','src',['gconv.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['gnormalize.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['gpool.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['gsepconv.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['gsepconv2.' ext])
 
% CPU-specific files
lib_src{end+1} = fullfile(root,'matlab','src','bits','im2col.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','pooling.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','normalize.cpp') ;
 
% GPU-specific files
if opts.enableGpu
    lib_src{end+1} = fullfile(root,'matlab','src','bits','im2col_gpu.cu') ;
    lib_src{end+1} = fullfile(root,'matlab','src','bits','pooling_gpu.cu') ;
    lib_src{end+1} = fullfile(root,'matlab','src','bits','normalize_gpu.cu') ;
end

然后把 jaderberg-eccv2014_textspotting\matlab\src\下 5个.cu文件gconv.cugnormalize.cu gpool.cu gsepconv.cu gsepconv2.cu，还有 jaderberg-eccv2014_textspotting\matlab\src\bits下的所有文件（除了mexutils.h），分别拷贝到拷贝到matconvnet-master\matlab\src\ 和 matconvnet-master\matlab\src\bits下。

接着，在matconvnet-master\matlab\src文件夹下新建5个.cpp文件，为gconv.cpp, gnormalize.cpp , gpool.cpp , gsepconv.cpp , gsepconv2.cpp ，在这5个cpp文件#include各自对应的.cu文件。

比如，gconv.cpp内容为：

#if ENABLE_GPU
#error This file should not be compiled with GPU support enabled
#endif
#include "gconv.cu"

gnormalize.cpp内容为：

#if ENABLE_GPU
#error This file should not be compiled with GPU support enabled
#endif
#include " gnormalize.cu"

以此类推。

把vl_compilenn里的 opts.enableImreadJpeg 改为false，其他不变。

matlab切换到 vl_compilenn.m根目录，以下列参数运行（只编译CPU版本）：

vl_compilenn('enableGpu', false)

运行结果如下：

编译GPU版本命令如下：

vl_compilenn('enableGpu', true, ...
'cudaRoot', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.5', ...
'cudaMethod', 'nvcc')

'cudaRoot' 设置为你 windows 上装 CUDA 的位置就行。

然后在mex目录下面就有.mexw64文件了。如下：

最后把这些.mexw64文件复制到jaderberg-eccv2014_textspotting\matconvnet\matlab\mex（即论文给的matlab代码文件下），便可以运行论文给的3个例子（fig_detmap.m，fig_charmap.m，reproduce_classifier_results.m）了。

这是我编译的mexw64文件。环境：Win7 x64，matlab2015a。

参考文献：deep features for text spotting 在linux，windows上使用

deep features for text spotting 在windows上使用

猜你喜欢