用py_faster_rcnn训练自己的数据集

参考链接：https://blog.csdn.net/sinat_30071459/article/details/51332084

 1、在py-faster-rcnn\data下，用你的数据集替换VOC2007数据集。（py-faster-rcnn\data\VOCdevkit2007\VOC2007中对应替换Annotations，ImageSets和JPEGImages）

2、下载ImageNet数据集下预训练得到的模型参数（用来初始化），解压，然后将该文件放在py-faster-rcnn\data下（百度云地址在参考链接1中）

3、训练前的修改：

（1）修改调用文件：需要修改的文件有：models/pascal_voc/ZF/faster_rcnn_alt_opt文件夹下的5个文件，分别为stage1_rpn_train.pt、stage1_fast_rcnn_train.pt、stage2_rpn_train.pt、stage2_fast_rcnn_train.pt和fast_rcnn_test.pt，修改格式如下：(1)stage1_fast_rcnn_train.pt和stage2_fast_rcnn_train.pt修改参数num_class:2（识别1类+背景1类），cls_score中num_output：2，bbox_pred中num_output：8（（识别类1+背景类1）×2）。（只有这3个）(2)stage1_rpn_train.pt和stage2_rpn_train.pt修改参数num_class:2（识别1类+背景1类）(3)fast_rcnn_test.pt修改参数：cls_score中num_output：2，bbox_pred中num_output：8（只有这2个）

（2）修改lib/datasets/pascal_voc.py

        self._classes = ('__background__', # always index 0
                         'aeroplane')

（3）修改lib/datasets/imdb.py（具体修改方式参考了参考链接1）

def append_flipped_images(self):  
        num_images = self.num_images  
        widths = [PIL.Image.open(self.image_path_at(i)).size[0]  
                  for i in xrange(num_images)]  
        for i in xrange(num_images):  
            boxes = self.roidb[i]['boxes'].copy()  
            oldx1 = boxes[:, 0].copy()  
            oldx2 = boxes[:, 2].copy()  
            boxes[:, 0] = widths[i] - oldx2 - 1  
            print boxes[:, 0]  
            boxes[:, 2] = widths[i] - oldx1 - 1  
            print boxes[:, 0]  
            assert (boxes[:, 2] >= boxes[:, 0]).all()  
            entry = {'boxes' : boxes,  
                     'gt_overlaps' : self.roidb[i]['gt_overlaps'],  
                     'gt_classes' : self.roidb[i]['gt_classes'],  
                     'flipped' : True}  
            self.roidb.append(entry)  
        self._image_index = self._image_index * 2 

（4）修改迭代次数：迭代次数可在py-faster-rcnn\tools的train_faster_rcnn_alt_opt.py中修改

max_iters = [80000, 40000, 80000, 40000]

        分别为4个阶段（rpn第1阶段，fast rcnn第1阶段，rpn第2阶段，fast rcnn第2阶段）的迭代次数。可改成你希望的迭代次数。

如果改了这些数值，最好把py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt里对应的solver文件（有4个）也修改，stepsize小于上面修改的数值。

（5）修改学习率：y-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt中的solve文件（py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_end2end）设置

4、修改完pascal_voc.py和imdb.py后进入lib/datasets目录下删除原来的pascal_voc.pyc和imdb.pyc文件，重新生成这两个文件，因为这两个文件是python编译后的文件，系统会直接调用。

 

python(此处应出现python的版本)

>>>importpy_compile
>>>py_compile.compile(r'imdb.py')
>>>py_compile.compile(r'pascal_voc.py')

5、训练自己的数据

终端进入py-faster-rcnn下输入：

./experiments/scripts/faster_rcnn_alt_opt.sh0 ZF pascal_voc