用自己的数据训练Faster-RCNN

Faster-RCNN玩了一段时间了，一直想写一篇文章总结一下，但拖延症一直也没有下笔，今天就写了吧，做个总结。

Faster-RCNN是RCNN系列检测方法中最新的方法了（Yolo除外，因为Yolo走的是另一个路子，有机会再说这个），简单来说Faste-RCNN把Fast-RCNN方法用到的proposal方法也弄到了CNN网络里（rbg大神称此网络为RPN网络），省去了额外的诸如selective search之类的proposal方法，后面的分类直接把RPN网络生成的proposal映射回卷基层生成的feature map得到固定纬的特征，进行分类，这就跟之前Fast-RCNN一样了。唯一不同的是，对同一幅图片的多个疑似目标Faster-RCNN只需要进行一次forward，这样就避免了对同一个图片的多个proposal进行多次forward，这样节省的时间就显而易见了，在TitanX上我的实验结果每张图片差不多170ms-200ms, 这个速度还是比Fast-RCNN快了很多。

具体的内容可以参看论文，这里我介绍一下如何用自己的数据训练Faster-RCNN，至于如何安装我就不赘述了，可以参考rgb的github。

1. 准备数据

在rbg的原版Faster-RCNN里，他是用的Pascal voc 2007的数据集，为了使用rbg的代码，我在这里没有改变自己的数据格式，而是把标注数据整理成和Pascal voc一样的数据格式，简单来说就是新建一个文件夹，可以任意命名，我在这里假设$pascal_format是我新建的自己放pascal voc格式的数据文件夹。

$pascal_format下应该有一个叫做VOC2007的文件夹，VOC2007下应该有Annotations、ImageSets和JPEGImages三个文件夹，其中：Annotations是标注数据xml文件，JPEGImages是和Annotations中的xml文件一一对应的图片文件，两个文件除了后缀分别是.xml和.jpg，其他部分应该一样，都应该是六位数字，比如：000001.jpg和000001.xml。ImageSets下有一个Main文件夹，文件夹内有一个trainval.txt文件，里面是训练数据设置，格式如下：

000000
000001
000002
000003
000004
000005
000006
……

一般我们手头的数据不是Pascal voc格式的，Pascal voc数据里面的标注数据是如下的xml文件：

<?xml version="1.0"?>

-<annotation>

<folder>VOC2007</folder>

<filename>013120.jpg</filename>


-<source>

<database>ChongQing Database</database>

<annotation>ChongQing</annotation>

<image>flickr</image>

<flickrid>QiangXie</flickrid>

</source>


-<owner>

<flickrid>QiangXie</flickrid>

<name>QiangXie</name>

</owner>


-<size>

<width>1664</width>

<height>1200</height>