在Faster RCNN上运行自己的数据集

找了好久都没有如何使用Faster RCNN的资料，只能自己摸索，不过还好花了一个多星期还真成功了，下面我就分享一下我修改的过程，一来是记录下来，以防止后面忘记，二来也希望给需要的朋友一点帮助。

本文主要是以matlab版本的faster rcnn（网址是https://github.com/shaoqingren/faster_rcnn）做实验，测试我自己的数据集，还有一个python的版本，该版本主要是需要在linux下运行，本人对linux还没有深入的了解，同时本人对python也不甚熟悉，因此没有使用该版本，python版本的网址是：https://github.com/rbgirshick/py-faster-rcnn。

对于该版本的配置，如果想比较快速、简单的配置成功的话，就一定一定一定要安装CUDA 6.5版本，安装其他版本还需要编译caffe接口，后面我可以回想一下步骤，再写一篇博客关于如何编译，这个还是等一等。。。

言归正传，要想跑自己的数据集，比较快速的方法是先跑一下PASCAL VOC 2007，然后按照PASCAL VOC 2007的数据集格式（具体格式如下）制作自己的数据集，当然首先还是要自己做一个标注的小工具，这里就不再赘述，不管是用什么语言来写都可以。

<annotation>
	<folder>VOC2007</folder>
	<filename>000002.jpg</filename>
	<source>
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
		<flickrid>329145082</flickrid>
	</source>
	<owner>
		<flickrid>hiromori2</flickrid>
		<name>Hiroyuki Mori</name>
	</owner>
	<size>
		<width>335</width>
		<height>500</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>train</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>139</xmin>
			<ymin>200</ymin>
			<xmax>207</xmax>
			<ymax>301</ymax>
		</bndbox>
	</object>
</annotation>

第一步 配置Faster RCNN

这个大家可以先根据https://github.com/shaoqingren/faster_rcnn来配置，具体的编译我后面再回忆回忆。。

第二步 修改Faster RCNN

这里主要还是有很多文件需要处理，首先需要下载Pascal VOC2007开发工具（http://download.csdn.net/detail/lxh19920114/9466239），读取数据就靠它了，是官方提供的，不太好找，我放到CSDN上了，方便大家下载，下载完成之后，记得放对地方，切记切记，不然运行的时候会提示找不到VOCcode，当然出错了也会知道该放哪了。。

下面首先需要修改的就是VOCcode里面的VOCinit.m文件，找到VOC2007的类别定义，如下图所示，将类别改为自己数据集的类别即可，改之前记得备份，改好后记得保存。。。

接下来我们要改Faster RCNN网络模型了，主要是因为类别数不一定与VOC2007相同，VOC2007的类别数为20个，我的类别数为14个，这里我使用ZF模型，主要需要修改以下两个文件夹下的文件，一个是train_val.prototxt还有一个是test.prototxt，将这两个文件中的84（84=（20+1）*4）改为你自己的，比如我的14类就是（14+1）*4=60，为什么要加一呢，是因为有个默认类别是背景（background），要一个一个手动修改（注意，千万不要一键替换！！！！，因为还有的是384，这个就不需要改，我如果一键替换就变成360了，当然运行不一定会出问题，但是总归别人实验那么多次选择这么一个数总归是有道理的）。

再接着就需要告诉程序训练用哪些图片，测试用哪些图片了，这些都在下面目录里面的文件中修改。主要修改两个文件，一个是train_val.txt，还有一个是test.txt。

从下图可以看到，这两个文件的原始内容是一个个字符串，代表着图片的名称，图片的默认格式是.jpg，所以就不包含扩展名，你可以将这两个文件内的内容改成你自己的图片名称，具体的名称格式最好别有空格，其他的我还没有发现，实在不行也可以按照数字来命名，train_val.txt里面规定了训练数据，test.txt里面规定了测试数据。修改前注意备份！！！

改好了之后，可以先试一下，如果数据集不够大的话（VOC2007跑就不会有错误，我目前的数据集只有它的九分之一，就有问题了。。）可能会报错，一个很典型的错误就是发生在下面，提示randperm的第一个参数要大于第二个参数，val_iters的原始值为500，而我的length(shuffled_inds_val)才100多。这时你可以选择将第二个参数改小，也可以选择不使用validation，因为这是在准备validation数据时出错的，不过我还是建议不要关闭validation。

一般情况下来讲，这个错误会报两次，因为在使用script_faster_rcnn_VOC2007_ZF()跑的时候，有stage 1和stage 2，两步都需要validation，分别在不同的文件中，一个是在fast_rcnn_train，还有一个是proposal_train，这都改好了就可以跑程序了，wish you good luck！！！

最后，如果你修改过某些文件，想重新训练的话，记得要删除output和cache下的所有文件，然后才会重新训练，不然都只会读取之前的缓存。