ChainerCV下用自己的数据集训练Faster RCNN
一、ChainerCV
ChainerCV，一个用于计算机视觉的深度学习实用库。这个库旨在通过 Chainer 简易化计算机视觉的训练和深度学习模型应用的过程。它包含计算机视觉模型的高质量实现，以及开展计算机视觉研究的必备工具集。当前，ChainerCV 提供了目标检测和语义分割模型（Faster R-CNN、SSD 和 SegNet）的实现。
https://github.com/chainer/chainercv
二、修改原始代码
1，chainercv/datasets/voc/voc_utils.py中
（1）更改voc_bbox_label_names，改为自己数据库的类标；增加oc_semantic_segmentation_label_colors，和类标相对应
2，chainercv/datasets/voc/voc_bbox_dataset.py中，
（1）第8行from chainercv.datasets.voc import voc_utils 改为 import voc_utils；
（2）在get_example中，将obj.find('name').text.lower().strip()改为obj.find('name').text.strip()，因为.lower()为把所有的namee变为小写，而我们的数据集的label name是区分大小写的
3，examples/faster_rcnn/train.py中，
(1)文件开头加入 import sys，sys.path.append(r'/home/wang/Development/chainercv/chainercv/datasets/voc')；并将
from chainercv.datasets import voc_bbox_label_names
from chainercv.datasets import VOCBboxDataset
改为from voc_utils import voc_bbox_label_names
from voc_bbox_dataset import VOCBboxDataset
这样导入的label name为我们修改后的，而不是原始VOC的；
(2)并在main()中
train_data = VOCBboxDataset(split='trainval', year='2007')加入路径变为
train_data = VOCBboxDataset('/home/wang/Development/VOCdevkit2007/VOC2007',split='trainval', year='2007')，
同样的test_data = VOCBboxDataset(data_dir='/home/wang/Development/VOCdevkit2007/VOC2007',split='test', year='2007',use_difficult=True, return_difficult=True);
这里最重要，加了自己数据库的路径后，就直接导入自己的数据库，若没有路径，会在VOC链接下载VOC数据库，就会导致错误。
4，examples/faster_rcnn/demo.py中，
(1) 文件开头加入 import sys，sys.path.append(r'/home/wang/Development/chainercv/chainercv/datasets/voc')；
(2) 并将 from chainercv.datasets import voc_bbox_label_names 改为 from voc_utils import voc_bbox_label_names。和train的原因一样
三，训练
python train.py --iteration 70000 --gpu 0
四，测试
python demo.py --gpu 1 --pretrained_model /home/wang/Development/chainercv/examples/faster_rcnn/result/snapshot_model.npz /home/wang/Development/VOCdevkit2007/VOC2007/JPEGImages/000102.jpg
注：在换了电脑后训练和测试出现问题
这是因为版本不兼容导致GPU出问题，用命令sudo pip install cupy==2.0.0将cupy降为2.0.0，问题解决。此时版本信息为：
