py-faster-rcnn+VGG_CNN_M_1024训练自己数据需要修改的参数小记

运行环境：cpu

训练图片大小为300*330，类别数11。

1.修改VGG_CNN_M_1024模型配置文件

1）solver.protxt文件

• stepsize原先为10000，根据需要更改。
  

2）train.protxt文件

• “input-data”层的‘num_class’数值改为11；
• “rpn-data”层的feat_stride由原先的16改为8；
• “proposal”层的feat_stride也改为8；
• 'roi-data'层的‘num_class’数值改为11；
• roi_pool5层的spatial_scale改为0.125（即1/8，与前面的feat_stride对应）；
• cls_score层的num_output数值改为11（1+10）；
  
• bbox_pred层的num_output数值改为44（11*4）；

3）test.prototxt文件

• cls_score层的num_output数值改为11（1+10）；
• bbox_pred层的num_output数值改为44（11*4）；
• roi_pool5层的spatial_scale改为0.125；
  
• proposal层的param_str: "'feat_stride': 8"；
  

4）lib/fast_rcnn文件夹中的config.py文件

• __C.TRAIN.SCALES = (300,) #原先为600
  
• __C.TRAIN.MAX_SIZE =330  #原先为1000
  
• __C.TRAIN.SNAPSHOT_ITERS = 自己想要的迭代次数，用于存储中间结果。原先为10000
  
• __C.TEST.SCALES = (300,)#原先为600
  
• __C.TEST.MAX_SIZE = 330 #原先为1000；

5）lib/rpn/generate_anchors.py

    generate_anchors(base_size=16, ratios=[0.5, 1, 2], scales=2**np.arange(3, 6)):

    改为 base_size=8, ratios=[0.5, 1, 2], scales=[8,12,16]):

6）lib/rpn/propsoal_layer.py

     原先anchor_scales = layer_params.get('scales', (8, 16, 32))#(8, 16, 32)应该就是2**np.arange(3, 6)

     所以改为anchor_scales = layer_params.get('scales', (8, 12, 16))

7）lib/datasets/pascal_voc.py文件

     修改self._classes = ('__background__', # always index 0
                              '训练的数据类别')

现在想到的就是这些，可能还有需要修改的地方。

大家如果看到我还有遗漏未改的地方殷切希望帮我指出来，毕竟参数对训练太重要了！！！

   测试模型时需要改的文件

1、faster_rcnn_test.pt

cls_score层的num_output改为11；

bbox_pred层的num_output改为44；

上面划掉的句子不能这么改，否则会导致训练时loss大且不收敛！