fasterrcnn使用

一 训练过程

1 准备数据集

数据集格式：VOC

└── VOCdevkit
    └── VOC2012
        ├── Annotations（最后要的格式）
        │   ├── 00a1c979-aed0-4765-9c23-bdf8f3f6eb9c.xml
        │   ├── 0a02b6c7-88c8-4c47-8ac9-153840af2746.xml
        │   ├── 0a0ad157-a13b-4bd5-97f5-5ee21fa9c4db.xml
        │   ├── 0a0e9c6b-79e9-41ab-b333-b1d73914b48b.xml
        │   └── 0a1ab3f5-6d77-46bc-936e-a5ec55070c3e.xml
        ├── ImageSets(代码生成，按比例随机分配)
        │   └── Main
        │       ├── train.txt
        │       └── val.txt
        ├── JPEGImages（原图）
        │   ├── 00a1c979-aed0-4765-9c23-bdf8f3f6eb9c.jpg
        │   ├── 0a02b6c7-88c8-4c47-8ac9-153840af2746.jpg
        │   ├── 0a0ad157-a13b-4bd5-97f5-5ee21fa9c4db.jpg
        │   ├── 0a0e9c6b-79e9-41ab-b333-b1d73914b48b.jpg
        │   ├── 0a1ab3f5-6d77-46bc-936e-a5ec55070c3e.jpg
        │   └── 0a2ebaae-832e-423c-9798-cbb2fbefd85f.jpg
        └── labels（只是我的初始数据的格式）
            ├── 00a1c979-aed0-4765-9c23-bdf8f3f6eb9c.txt
            ├── 0a02b6c7-88c8-4c47-8ac9-153840af2746.txt
            ├── 0a0ad157-a13b-4bd5-97f5-5ee21fa9c4db.txt
            ├── 0a0e9c6b-79e9-41ab-b333-b1d73914b48b.txt
            ├── 0a1ab3f5-6d77-46bc-936e-a5ec55070c3e.txt
            └── 0a2ebaae-832e-423c-9798-cbb2fbefd85f.txt
2 修改训练参数      train_res50_fpn.py

有两个地方需要下载。url分别是：

https://download.pytorch.org/models/resnet50-0676ba61.pth

https://download.pytorch.org/models/fasterrcnn_resnet50_fpn_coco-258fb6c6.pth

 修改参数：

运行即可。

训练过程，训练完一个epoch之后会进行验证（显示"Test:"），有ap和ar值。

3 验证    validation.py

用于调用训练好的模型权重去计算验证集/测试集的COCO指标
以及每个类别的mAP(IoU=0.5)

添加json文件并修改

4 预测  predict.py

绿色的都要改，最后生成json文件，并画出预测图