NeuralTalk2---自动产生图片的语句描述

最近被逼看了点自然语言处理(NLP)的论文,好吧我看不懂,本来我就不是搞这个方向的,说的我迷迷糊糊的,哎,隔行如隔山啊

不过在过程中倒也是收获到了一些东西,比如今天的这篇博客,怎样自动的去产生图片的语句描述???

就是:

我给你张图,你给我自动生成描述这张图片的文字

具体如下:

这个理论说起来实际很高端,涉及到神经网络,自然语言处理等方方面面的知识,推荐几篇论文有兴趣的可以看看:

  1. Deep Visual-Semantic Alignments for Generating Image Descriptions
  2. how and Tell: A Neural Image Caption Generator
  3. Learning the Visual Interpretation of Sentences
  4. BringSemantics Into Focus Using Visual Abstraction
  5. Every Picture Tells a Story: Generating Sentences from Images

这里就不说具体是怎么实现的了,好吧,其实是我也看不懂。。。。。。。

NeuralTalk2

现在有开源的实现,具体理论来源于上面的论文1和2

NeuralTalk2是其开源的实现,大家可以看下它的安装要求,依赖还是很多的,由于使用了VGG16的网络,所以你需要一块GPU,什么???没有GPU????送你三个字:买买买

重要的事情要强调:CPU无法运行,必须上GPU

我的实验环境是:

CPU:Intel Xeon(4*3.3GHZ) GPU:Titan X(12GB) Memory:32GB(DDR4)

原始版本,NeuralTalk,是使用python编写,相比NeuralTalk,NeuralTalk2的不同点是:

Compared to the original NeuralTalk this implementation is batched, uses Torch, runs on a GPU, and supports CNN finetuning. All of these together result in quite a large increase in training speed for the Language Model (~100x), but overall not as much because we also have to forward a VGGNet. However, overall very good models can be trained in 2-3 days, and they show a much better performance.

安装依赖

依赖有一堆,我安装的时候就卡在了其中的某一个环节,好在最终还是解决了,这也是我写这篇博客的动力,希望有这个需求的人不要连安装都像我一样走了很多弯路,甚至都搞不定

主要就是按照README所说的去一步步安装:

安装Torch

$ curl -s https://raw.githubusercontent.com/torch/ezinstall/master/install-deps | bash
$ git clone https://github.com/torch/distro.git ~/torch --recursive
$ cd ~/torch; 
$ ./install.sh      # and enter "yes" at the end to modify your bashrc
$ source ~/.bashrc

这个没什么说的,搞定以后,你会在你的额bashrc文件下看到类似这样的一行:

. /home/work-station/torch/install/bin/torch-activate

安装其它依赖

$ luarocks install nn
$ luarocks install nngraph 
$ luarocks install image 

安装CJson

cjson下载连接,先将它下载下来lua-cjson-2.1.0.tar.gz,之后解压,进入目录,安装即可

$ tar -xzvf  lua-cjson-2.1.0.tar.gz
$ cd lua-cjson-2.1.0
$ luarocks make

安装CUDA

CUDA下载地址,下载之后安装就可以,deb包很容易的,大家可以参照这个博客安装,几部就搞定了

安装CUDNN

我当时就是在这个位置出问题的,我的机子之前安装caffe的时候安装过cuda和cudnn,我把所有的都安装完,开始跑示例的时候,这个时候出错了:

These bindings are for version 4005 or above, while the loaded CuDNN is version: 4004 Are you using an older version of CuDNN?

意思很明显,就是cudnn版本低了 好吧,开始版本升级中,中间参照了这个帖子,但是依然没解决我的问题,最后终于让我搞定了,特此记录

Step 1:删除/usr/local/lib/下的所有以libcudnn开头的so文件和链接文件,比如libcudnn.so.7.0.58 Step 2:下载最新版本的cudnn,下载地址最后给出,首先要注册,过几天Nvidia才会给你下载权限 Step 3:假设你已经下载了最新版本的cudnn,假设是* cudnn-7.0-linux-x64-v4.0-prod.tgz*,不说了解压, 进入cuda目录,执行: $ sudo cp include/* /usr/local/cuda/include/ $sudo cp lib64/* /usr/local/cuda/lib64/ 搞定

安装loadcaffe

$ sudo apt-get install libprotobuf-dev protobuf-compiler
$ luarocks install loadcaffe

安装h5py

$ sudo pip install h5py

下载模型预测图片

模型下载地址,下载解压就可以

准备好你的图片,之后执行:

 th eval.lua -model /path/to/model -image_folder /path/to/image/directory -num_images 10 

写上你的model文件的路径和图片文件夹的路径,如果你想预测所有的图片将: -num_images 10 改为-num_images -1

启动httpServer

预测之后会在你的vis文件夹下生成vis.json文件在imgs中会有你预测的图片:

启动server:

$ cd vis
$ python -m SimpleHTTPServer

浏览器访问:

localhost:8000,就可以看见了

我的结果

我随机从百度上下了6个图片,预测结果是这样的:

看的出来,结果还是很准的

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏wOw的Android小站

[Tensorflow] Faster R-CNN 和自定义 VOC 数据集

看了pascal_voc.py代码,可以把代码的jpg拼接改成png,这样可以不做上一步.

1061
来自专栏小巫技术博客

Building TensorFlow on Android(译)

741
来自专栏玉树芝兰

如何用VOSviewer分析CNKI数据?

学会了用VOSviewer分析Web of Science数据后,想不想知道如何用它分析中文文献?本文用CNKI数据做样例,一步步教你实现步骤。

813
来自专栏自然语言处理

3000篇搜狐新闻语料数据预处理器的python实现

简介:本文训练的新闻语料是从搜狐官网下载的10类3000篇新闻真实语料,具体如下图,其中每类下面是300篇新闻文章。其中:C000007 汽车,C000008 ...

602
来自专栏CDA数据分析师

Python验证码识别处理实例

一、准备工作与代码实例 1、PIL、pytesser、tesseract (1)安装PIL:下载地址:http://www.pythonware.com/pro...

2009
来自专栏Y大宽

多序列比对,进化树分析,保守性,密码子偏好性分(1)

打开https://www.ncbi.nlm.nih.gov/protein,输入BopA,search

682
来自专栏上善若水

0x04 spacemacs 快捷键初识

古语有说:工欲善其事,必先利其器; Emacs无疑是编程的神器。通过这一系列的小文章,让我们一起记录熟练使用和打造这一神兵利器。

1335
来自专栏简书专栏

基于xgboost的波士顿房价预测kaggle实战

2018年8月24日笔记 这是作者在波士顿房价预测项目的第3篇文章,在查看此篇文章之前,请确保已经阅读前2篇文章。 第2篇文章链接:https://www....

972
来自专栏计算机视觉

基于图的分割 实验教程Efficient Graph-Based Image Segmentation

我是在ubuntu系统下进行C++的代码重现,主要是之前接触vim较少,所以下载了一个IDE.Clion下载地址 ,界面友好,git提交流程友好,习惯了在win...

2857
来自专栏生信技能树

【直播】我的基因组 35:bam格式转化为bw格式看测序深度分布

我们在之前说到过bam文件还有55G大小,这样的文件,在很多时候都不方便查看和转移。而有些时候,我们只需要我们的测序数据在全基因组的测序深度这一个值,并不需要具...

3608

扫码关注云+社区