HF-Net 可以提取图像描述子（global_descriptors）和图像中的特征点（keypoints）及其描述子（local_descriptors），前者用于图像检索，后者配合 SuperGlue/NN 等特征匹配算法可用于相机位姿计算。因此 HF-Net 的应用场景就是 SLAM 中的地图定位与位姿恢复。

虽然官方仓库已有完善的训练脚本和详细的使用说明，但有些细节还是需要注意的，在此记录一下。预先提醒：HF-Net 训练会产生 1.4TB 的中间数据，请确保数据盘有 1.5TB~2TB 的可用空间！

素材准备

首先从 github pull 源码，我一般放在 home 目录下，比如 /home/abc/Sources/hfnet。hfnet 设置时需要提供两个路径：DATA_PATH 和 EXPER_PATH，前者存放训练图像和预训练模型权重，后者存放 hfnet 的训练输出。对训练而言，需要下载的东西有：

• GoogleLandmarks 数据集: 先下载图片索引，然后使用 setup/scripts/download_google_landmarks.py 脚本下载。索引文件中共有 1098k 张图的链接，但有一部分是无效的。随机下载 185k 张图（约 55GB）即可，多出的图在训练时会被抛弃掉（见配置文件 hfnet_train_distill.yaml）。
• BerkeleyDeepDrive 数据集: 直接去官网，简单注册后在下载页面 BDD100K 标签页中下载 100K Images 和 Labels，总共约 5.4GB。
• NetVLAD 模型参数: 下载地址
• SuperPoint 模型参数: 下载地址
• Mobilenet V2 模型参数: 在下载页面找到 float_v2_0.75_224 下载。

BDD100k 数据集需要挑选出 night 和 dawn 类别的图像，我写了一个脚本来执行该任务。解压 images_100k 和 labels ，下载 bdd_extract_images_for_hfnet.py 后，按如下方式组织文件夹：

bdd100k
├── bdd_extract_images_for_hfnet.py
├── images
│   └── 100k
└── labels├── bdd100k_labels_images_train.json└── bdd100k_labels_images_val.json

然后执行 bdd_extract_images_for_hfnet.py，即可得到 dawn_images_vga 和 night_images_vga 两个文件夹。

上面准备的这些东西都放在 DATA_PATH 目录下，最终 DATA_PATH 中的内容为：

HfNetDataset
├── bdd
│   ├── dawn_images_vga # 文件夹
│   └── night_images_vga # 文件夹
├── google_landmarks
│   └── images # 文件夹
└── weights├── mobilenet_v2_0.75_224 # 文件夹├── superpoint_v1.pth└── vd16_pitts30k_conv5_3_vlad_preL2_intra_white # 文件夹

环境准备

HF-Net 使用的是 tensorflow 1.12，实测 tf 1.15.5 也是可以用的。基于镜像 tensorflow/tensorflow:1.15.5-gpu 创建 docker 容器：

docker run --gpus all --name "hfnet" -v /home/abc:/home/abc -it tensorflow/tensorflow:1.15.5-gpu /bin/bash

这里只挂载了 home 目录，因为我使用的代码和数据都在 home 目录下，如果你的 DATA_PATH 在另一个盘，也需要一并挂载（加个 -v /host_dir:/docker_dir）。本文开头提到了 DATA_PATH 需要至少 1.5TB 的可用空间！

进入容器后需要安装一个包：libgl1-mesa-glx，为了方便操作，tmux 和 vim 也可用装一下。

然后是配置 hfnet 仓库，在此之前改一下 setup/requirements.txt 文件，把 tensorflow-gpu==1.12 后面的 ==1.12 删掉，否则会对容器中已有的 tf1.15.5 降级。在 hfnet 根目录下执行 make install 进行安装配置。这里 DATA_PATH 和 EXPER_PATH 必须填写绝对路径。

模型训练

虽然 docker 容器启用了所有 GPU，但服务器上的显卡往往并不是全都能用的，可以在终端设置 CUDA_VISIBLE_DEVICES 环境变量来控制 GPU 的使用，比如：

export CUDA_VISIBLE_DEVICES=1 # 只启用1号GPU
export CUDA_VISIBLE_DEVICES=1,2 #只启用1、2号GPU

在真正的训练之前，需要先导出 NetVLAD 和 SuperPoint 模型的预测，作为数据集的 label（HF-Net 使用的是模型蒸馏训练方法，即 NetVLAD 和 SuperPoint 两个大模型监督训练 hfnet 这个小模型）。在 hfnet 根目录分别执行：

python3 hfnet/export_predictions.py \hfnet/configs/netvlad_export_distill.yaml \global_descriptors \--keys global_descriptor \--as_dataset
python3 hfnet/export_predictions.py \hfnet/configs/superpoint_export_distill.yaml \superpoint_predictions \--keys local_descriptor_map,dense_scores \--as_dataset

这一步会在 DATA_PATH 下得到 global_descriptors(4.6GB) 和 superpoint_predictions(1.4TB) 两个文件夹，耗时可能有数小时。

训练需要的数据集结构是这样的（global_descriptors 和 superpoint_predictions 与图像文件夹在同一层）：

├── bdd
│   ├── dawn_images_vga
│   ├── global_descriptors
│   ├── night_images_vga
│   └── superpoint_predictions
└── google_landmarks├── global_descriptors├── images└── superpoint_predictions

但前面得到的文件夹结构却是这样的：

├── bdd
│   ├── dawn_images_vga
│   └── night_images_vga
├── global_descriptors
├── google_landmarks
│   └── images
└── superpoint_predictions

一种方法是将 global_descriptors 和 superpoint_predictions 文件夹中属于两个数据集的部分分开放到各自文件夹中，更简单的方法是直接在 bdd 和 google_landmarks 文件夹中建立 global_descriptors 和 superpoint_predictions 文件夹的软连接，因为训练时是先找到图像，然后根据图像名字找对应的 label，某一数据集下有多余 label 并不会影响训练。

然后就是训练了（数小时到十几小时）：

python3 hfnet/train.py hfnet/configs/hfnet_train_distill.yaml hfnet

训练过程 log 和训练后的模型保存在 EXPER_PATH/hfnet/，可以用 tensorboard 监测训练过程：

tensorboard --logdir=$EXPER_PATH/hfnet --host=0.0.0.0
# 本地浏览器访问 http://server_ip:port/ 查看

最后可以导出为 pb 模型（EXPER_PATH/saved_models/hfnet/）：

python3 hfnet/export_model.py hfnet/configs/hfnet_train_distill.yaml hfnet