传送门:
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