Mxnet(2)---faster-rcnn制作自己的数据集进行训练

 Mxnet自带有faster-rcnn的例子，但是如果要用自己的数据进行训练可能需要作一些更改，一个是类别的数目，一个数据的标签。其实它的修改方式和py-faster-rcnn差不多。

**

1.环境的安装可以参考

**:Mxnet—faster-rcnn环境安装

**

2.制作数据集

**
制作数据集可以参考：py-faster-rcnn制作自己的数据集做目标检测。
作成VOC格式的数据集。

**

3.训练

**

• 训练前的准备
• 训练和测试命令

3.1训练前的准备

（1）VOCdevkit文件夹复制到rcnn目录中的data文件夹里面。
（2） 修改config.py和pascal_voc.py

修改config.py中的config.NUM_CLASSES = 你的类别数+1（1是背景）

修改pascal_voc.py中的self.classes = ['__background__',
'标签1','标签2'，'标签n']

注意：训练前把data\cache清空

3.2 训练和测试命令

训练命令：

bash script/vgg_voc07.sh 0,1 #0，1代表两个gpu

结束后会在model你们生成模型文件

在测试之前需要修改类别标签：

测试命令：

 python demo.py --prefix ./model/e2e-0010 --epoch 0 --image 000013.jpg --gpu 0

参数 --prefix后面跟模型文件
参数 --image后面跟图片
改变的就是这两个参数，其他的一般不需要改变。
运行结束后会以result后缀结尾的图片保存到目录中，如果需要显示可以添加参数--vis

python demo.py --prefix ./model/e2e-0010 --epoch 0 --image 000013.jpg --gpu 0 --vis

附：QQ282617340

参考文献：
1.https://github.com/dmlc/mxnet/tree/master/example/rcnn
2.http://mxnet.io/tutorials/computer_vision/detection.html