TensorFlow下用自己的数据训练Fater-RCNN

环境：Linux系统，GPU

1.首先在GitHub上找到这个源码 ，然后根据下面的ReadMe教程一步步跑通，建议先用VOC2007数据集训练，可以先把迭代次（在/FRCN_ROOT/experiments/scripts/faster_rcnn_end2end.sh文件下）数从7000改成100,只是测试有没有问题，节省时间，中途会遇到一些错误，你可以根据源码上面的issue来找解决方案，一般错误都能找到

                                                   

2.如果第1步训练完没有问题，那么就可以开始制作自己的数据集了（数据标签尽量用小写字母），只是把数据集相应文件夹替换成你自己的数据就可以，制作数据集教程在这里 ，里面讲的很详细，工具也都有，

3.制作完之后就要修改自己源码的相应代码了，毕竟分的类数什么的不一样，所以要修改一下，修改也十分简单，

    3.1，Faster_RCNN/lib/datasets/pascal_voc.py文件 修改成自己的类

     中间需要注意一点，如果你的标签像我一样用了大写字母，那么运行测试的时候会报错，解决办法见文末

  3.2 ，/Faster_RCNN/lib/networks/VGGnet_train.py 文件

    3.3 /Faster_RCNN/lib/networks/VGGnet_test.py 文件

            

4.如果你之前训练过一些数据的话，那么还要删除一些缓存内容

       4.1，Faster_RCNN/data/cache
       4.2，Faster_RCNN/output/faster_rcnn_end2end

       4.3，Faster_RCNN/data/VOCdevkit2007/annotations_cache/annots.pkl

5.修改demo.py，以便使用自己的数据来测试，然后保存，由于demo.py里面原来只是选取/FRCN_ROOT/data/demo文件夹下的文件进行测试，所有我们要把这个文件夹下的图片替换成自己的测试图片，然后运行demo.py进行测试的时候是只显示出测试好的图片，而不保存测试好的图片，所有要把这个该一下，改成保存测试好的图片，如下图：

             

            

             

训练：

6.然后执行训练，在训练之前，你可以按照第1步的方法，先将训练次数调小，如果训练成功，再重复第4步，调大迭代次数（一般是70000）训练，在FRCN_ROOT文件夹下执行：

./experiments/scripts/faster_rcnn_end2end.sh gpu 0 VGG16 pascal_voc

测试：

7.执行下面命令：

cd $FRCN_ROOT
python ./tools/demo.py --model /home/FENGsl/Faster_RCNN/output/faster_rcnn_end2end/voc_2007_trainval/VGGnet_fast_rcnn_iter_70000.ckpt

问题描述：

1.如果你做数据集的时候把标签的写成的大写字母，会出现KeyError错误提示。

   解决办法：找到下面的地方

cls = self._class_to_ind[obj.find('name').text.lower().strip()]  

  把lower()去掉即可。

2.如果你用了远程服务器来训练，那么图片是不能显示的，会出现RuntimeError: Invalid DISPLAY variable,

  解决办法：需要修改demo.py文件，中间两行

from utils.timer import Timer
import matplotlib.pyplot as plt
plt.switch_backend('agg')
import numpy as np

                             谢谢大家，我的表演结束，来欣赏我的一些测试结果：