复现Faster-RCNN-TensorFlow-Python3.5代码，并用自己的数据集来训练（二）

至此，已经用voc_2007数据集训练好了faster-rcnn模型，下面尝试用自己的数据集来训练faster-rcnn模型。

一、环境配置：

Ubuntu 16.04 Linux，显卡GeForce GTX1080 Ti;
tensorflow-gpu 1.3.0，Cuda8.0，Cudnn 6.0;
python 3.5.4

二、制作自己的数据集

在图片所在文件夹打开终端，然后在命令行输入下面这一行代码可以批量将图片的 .JPG格式转为 .jpg格式。

ls *.JPG|sed -r 's#(.*).JPG#mv & \1.jpg#'|bash

然后参照“Ubuntu 16.04批量缩小图像、批量命名图像” https://blog.csdn.net/kellyroslyn/article/details/93364072 把图片弄成大小和Voc数据集差不多，重命名成000000.jpg格式，然后打开labelImg.py标注数据，然后生成ImageSet/Main/下面的四个txt文件。
然后分别把Annotations、JPRGImages、ImageSets/Main三个文件放到data/VOCdevkit2007/VOC2007文件夹下。

三、开始训练

把pascal_voc.py line 34行代码的类别改为自己的类别