Faster RCNN 训练自己的数据集

---

一、 faster rcnn环境搭建
下载源码 https://github.com/rbgirshick/py-faster-rcnn python版本
https://github.com/ShaoqingRen/faster_rcnn Matlab版本
本文介绍matlab版本的配置过程:
1、 在Faster_rcnn-master目录下添加bin文件
2、 在Faster_rcnn-master目录下添加models文件
3、 在external/caffe目录下添加MATLAB文件
4、 添加datasets文件夹，文件夹内为 数据集，可以使用VOC2007或者自己的数据集
5、 如果想直接测试，不需要添加datasets文件夹在Faster_rcnn-master目录下添加output文件，文件为训练好的模型，就可以直接运行experiments/script_faster_rcnn_demo.m，注意：运行时目录应在主目录Faster_rcnn-master下
6、 如果训练VOC2007数据，只需下载VOC2007的数据集，存放在datasets文件夹中，如果训练自己的数据集，则需要把自己的数据集做成和VOC2007相同格式的。
二、 制作数据集
我的数据集的图片格式是png，标记内容存储在txt中，写一个txt到xml格式转换的数据接口。
三、 细节修改
1、 datasets/VOCdevkit2007/VOCcode/VOCinit.m

将VOC2007改成自己数据集文件夹的名字

图片的格式，因为我的是png格式的所以需要修改，如果自己的数据集和VOC2007的数据集格式相同都是jpg，则不需要修改。

修改自己检测目标的类别，比如我只有一类就写一个，类别全写上。类别和文件名一定要和Annotation/**.xml的标记信息里的内容对应，如图中黄色所示，前两个和文件夹名称对应，最后一个对应检测类别。

2、 imdb/imdb_from_voc.m

改为 imdb.extension=’png’,如果数据集中的图片格式本身是jpg格式，则不需要修改。
3、 VOCdevkit2007/results
在results下新建一个文件夹，名字是“你的数据集的文件夹名”， “你的数据集的文件夹名”下新建一个Main文件夹
4、 VOCdevkit2007/local
在local下新建一个文件夹，名字是“你的数据集的文件夹名”
5、 functions/fast_rcnn/fast_rcnn_train.m

可能会在randperm（N，k）出错，建议将val_iters改小，具体数值根据自己的数据集修改，一般为val的1/5
6、 funvtions/rpn/proposal_train.m

与5同样的问题
7、 imdb/imdb_eval_voc.m

改为：

8、 网络模型修改
1）、models/fast_rcnn_prototxts/ZF/train_val.prototxt

其中K为类别数，根据K值不同进行修改


2）、models/fast_rcnn_protoxtxs/ZF/test.prototxt

3)、models/fast_rcnn_prototxts/ZF_fc6/train_val.prototxt


4)、models/fast_rcnn_prototxts/ZF_fc6/test.prototxt

最后在训练之前把output文件夹删除，把imdb/cache文件删除
9、 训练：
Experiments/script_faster_rcnn_VOC2007_ZF.m
训练完后
将output/faster_rcnn_final/faster_rcnn_VOC2007_ZF/detection_test.prototxt进行修改，将relu5（包括relu5）前的层删除，并将roi_pool5的bottom改为data和rois，将input“data”下的input_dim分别改为1，256，50，50（VGG为1，512，50，50），如图所示

10、 测试
Experiments/script_faster_rcnn_demo.m 运行
注意将调用的模型和图片改为自己的，然后根据自己数据集的需要进行调参已达到最好的结果。
参考博客：http://blog.csdn.net/sinat_30071459/article/details/50546891