实验大总结——Faster RCNN复现总结

0 写在前面

将近日复现的Faster RCNN完整总结如下，区别与YOLOv5相互补充

1 代码下载+环境配置

1.1 代码下载

在github上查找高star，擅长的框架（此处我下载的是pytorch版本的，faster rcnn最早开源框架是matlab）开始复现
pytorch0.4.0版源码：https://github.com/jwyang/faster-rcnn.pytorch
pytorch1.0.0版源码：https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0

注意：下载需要的版本

建议下载pytorch-1.0版本

1.2 下载方式

由于需要下载到实验室的服务器中，所以有两种办法下载
①

git clone -b pytorch-1.0 --single-branch --depth=1 --recursive https://github.com/jwyang/faster-rcnn.pytorch.git

• -b是分支名
• –single-branch是clone指定分支命令
• –depth==1是指clone最近一次修改
• –recursive用于循环clone子项目

②直接在服务器中打开github链接直接下载

1.3 环境配置

①创建虚拟化境

conda create -n rcnn python=3.6 #rcnn是我的虚拟环境的名字，可替换

②激活虚拟环境

conda activate rcnn #若terminal界面前有（rcnn）为激活成功

③在虚拟环境中安装pytorch
进入pytorch官网->install->更多版本

在虚拟环境下安装pytorch v1.0.0版本

# CUDA 10.0
conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 -c pytorch

注意对应好cuda版本

2 获取数据

2.1 创建data文件夹

step1. cd 项目路径
step2. mkdir data # 创建data子目录

2.2 将自己的数据存放到data文件夹中

• annotations存放标签xml格式
• JPEGImages存放图片
• Imageset存放txt标签，由search.py文件生成，包括随机划分数据集结果及其他
  以上为检测使用的文件夹

2.3 下载预训练模型

在/data/创建子文件夹/data/pretrained_model，然后将模型下载到该子文件夹中
这里我下的是VGG16的与训练模型

2.4 编译

①使用pip安装依赖包

cd 项目路径
conda activate rcnn
pip install -r requirements

②编译cuda依赖环境

（rcnn）
cd lib
python setup.py build develop #注意不要使用sh make.sh

3 图片标注格式

图片标注格式分为voc标注格式和coco标注格式
其中对于标签信息又分为xml形式txt形式和json格式
之前经常会报错找不到‘difficult’，‘difficult’信息是检查是否存在很难识别的目标
这事由于标注软件不同（labelme和标注精灵）
COCO数据集标注格式的介绍：
VOC数据集标注格式的介绍：

4 选择参数

关于参数训练，还未进行参数的相关调试（给2022年挖个坑）

5 训练

python trainval_net.py --dataset pascal_voc --net vgg16 --bs 1 --nw 4 --cuda

6 测试

python test_net.py --dataset pascal_voc --net vgg16 --checksession 1 --checkepoch 20 --checkpoint 1291 --cuda