【目标检测四】 R-FCN使用教程（测试或训练自己的数据）

用了好久，都没写，还是按惯例写一下。总体步骤其实就是上面流程图那样。安装、配置、下载预训练模型、放入自己数据、修改模型结构然后训练和测试，每个模型都是这个流程。

 

安装

1.下载源码

https://github.com/Orpine/py-R-FCN

Py=python版本

2.安装caffe依赖和caffe

1）安装依赖

pip install cython

pip install easydict

apt-get install python-opencv

2）下载caffe

git clone https://github.com/Microsoft/caffe.git

3）配置caffe

4）打开终端，cd 你的RFCN路径/lib，然后make一下

5）编译caffe的python接口：make pycaffe

 

安装完毕

下面下载预训练模型测试试一试：

这个要翻墙下载，里面有res50和res101的imagenet预训练模型。

https://download.csdn.net/download/gusui7202/10969490

测试

把模型放到rfcn项目的对应位置

$RFCN_ROOT/data/rfcn_models/resnet50_rfcn_final.caffemodel

$RFCN_ROOT/data/rfcn_models/resnet101_rfcn_final.caffemodel

打开终端，运行

cd $RFCN_ROOT

./tools/demo_rfcn.py --net ResNet-50

训练自己的数据

在data文件夹下放入自己的数据集，格式如下

VOCdevkit/VOC2007

VOC2007里面就是自己的数据了，主要有三个文件夹

JPEGImages、Annotations、ImageSets

1)修改模型的结构参数

因为自己的数据类别和预训练的不一样，所以输出神经元节点的数量不一样，要自己设置。这里涉及到一个问题，那就是预训练模型和测试模型的区别。

预训练模型是别人保存的中间网络权重参数，其实尾巴的输出神经元数量没有保存，所以自己微调一下就能用，而训练好的测试模型就是将模型参数全部保存下来了，如果你的数据类别和别人一样那么你也可以用，当然，不一样的可能性还是很大的。就是改改数字而已。

修改的文件一共有7个：

<1>修改class-aware/train