Faster Rcnn end2end训练流程（txt格式标签）

本人很水，以下流程也比较机械，有参考大佬的部分，奈何时间久远记不清了，侵删。求职季攒人品，把之前整理过的东西贴出来和大家分享，有不好的地方欢迎指出，共同进步。

1、 将数据集所有部分部署在data目录下，参照DOTA那块

2、 执行image_sets目录下的generate_set.py文件，得到随机分配的train和test的数据集。

3、 打开models目录，建立相应名称的子目录，用于存放不同模型，下面再存放alt-opt小目录和end2end小目录，下面再存放众prototxt文件。

4、 注意根据不同的网络（如resnet）更换prototxt文件（train和test）以及注意里面的参数。

5、 模仿lib/datasets/下的pascal_voc.py和DOTA/DOTA.py建立自己的类别模块，以及在factory.py中添加新数据集。

6、 models/DOTA/下存放相应的模型配置文件，打开相应的train.prototxt：

（1）、input-data层的num_classes: n (自己要训练的类别+1，1为背景类background)

（2）、roi-data层的num_classes:n

（3）、cls_score层的num_output:n

（4）、bbox_pred层的num_output : 4*n

注：rpn_cls_score层的输出是2*anchor数，注意一下！

    rpn_bbox_pred层的输出是4*anchor数，注意一下！

7、 再打开同一目录下的test.prototxt文件：

（1）、cls_score层的num_output：n(自己要训练的类别+1，1为背景类background)

（2）、bbox_pred层的num_output : 4*n

8、 experiments/cfgs/faster_rcnn_end2end.yml文件：

可以根据自己的需要在这个文件中添加配置，例如在训练时进行模型快照的迭代次数，是否翻转等，相应的参数可以参考py-faster-rcnn/lib/fast_rcnn/config.py。不需要更改config.py，在faster_rcnn_end2end.yml中添加语句即可。

9、 训练前，将output文件夹、data/cache/中的文件、data/DOTA/annotations_cache中的文件删除。

10、        学习率等参数可在models/DOTA/ResNet101_BN_SCALE_Merged/faster_rcnn_end2end/solver.prototxt文件中进行修改。

11、        迭代次数可在tools/train_net.py中进行修改。

（注：如果修改了迭代次数，那么步长也要修改----将models/pascal_voc/ZF/faster_rcnn_end2end/solver.prototxt文件中的stepsize修改掉，数值要小于迭代次数。

12、        修改lib/datasets/下的factory.py，再里面加上新的datasets信息。

13、        Batchsize以及RPN时的BATCHSIZE等 好多你关心的信息，都在lib/fast_rcnn/config.py里。（个人觉得config里面应该是一堆默认值，如果experiments/cfgs/faster….yml文件另有指定，则遵循后者。反之，如果执行训练的时候不加—cfg参数，则采用config里面的默认选项）（注：yml文件里面有train和test过程分别是否使用RPN等选项）

14、        在lib/datasets/下创建相应数据集的目录，里面有DOTA.py（对ground truth的解析）和annotation_parser.py（生成合适的gt，看需要）。以及编写datasets目录下的voc_eval_copy.py文件，这个文件很重要很核心，PR曲线的部署也在它里面，还有很多东西。

15、        检查一下显卡情况：   执行nvidia-smi命令。

16、        开始训练：注意一下train_net.py里面的参数及其默认值，然后执行训练命令，例如：./tools/train_net.py --gpu 1 --solver ~/py-faster-rcnn/models/DOTA/ResNet101_BN_SCALE_Merged/faster_rcnn_end2end/solver.prototxt--weights/home/jiangshan/py-faster-rcnn/data/imagenet_models/ResNet101_BN_SCALE_Merged.caffemodel--imdb DOTA_train --cfg ~/py-faster-rcnn/experiments/cfgs/faster_rcnn_end2end.yml

(注：像weights后面的值，可以写~/py然后tab一下，就会变成这种标准形式)

 

 

附：卷积结果可视化：

在py-faster-rcnn/lib/fast_rcnn/test.py中添加如下内容：

（1）LINE21    from vis import vis_square

（2）LINE157    for layer_name, blob innet.blobs.iteritems():

158                 printlayer_name + '\t' + str(blob.data.shape)

159             #for layer_name, param innet.params.iteritems():

160         #print layer_name + '\t' +str(param[0].data.shape), str(param[1].data.shap    e)

161             feat= net.blobs['conv1'].data[0, :36]

162             vis_square(feat)