Cascade R-CNN训练自己的数据

传送门：

1. 《Cascade R-CNN: Delving into High Quality Object Detection》论文笔记
2. Cascade R-CNN Python测试脚本

1. 前言

Cascade RCNN是目标检测非常不错的一种方法，没有过分强调主干网络，而是采用层叠的方式提高IOU阈值来提纯样本，对不同的主干网络都能取得2~4个点的提升。这里使用的是Cascade RCNN example下的vgg-9s-600-rpn-cascade模型，这里的9s代表的是有9个anchor，600代表短边的尺寸，这里记录在使用这个代码训练自己的数据的过程，这里需要的目标检测的类别是2，在加上一个背景类就是3。
代码地址：Cascade RCNN

2. 数据准备

2.1 训练集（trainval.txt）与测试集（test.txt）

这里的标注数据是存储在txt文件中的，这里拿出一个标注节点来进行说明，每个人标注的形式都不一样，这里就不给代码了，理解了之后按照这个格式进行制作数据集就行了。

# 0 # 图像的编号ID，从0开始
JPEGImages/A