使用py-faster-rcnn训练自己的数据

使用py-faster-rcnn训练自己的数据

faster-rcnn原本使用voc2007数据集训练，可识别20类目标。但是我们的应用场景，可能只需要2、3类。假设我们只需要检测识别两类目标person和car，再加上backgroud可以认为是分3类。那么我们如何训练这个模型呢。

1. 准备数据集

可以把自己的数据改成voc2007的格式，主要有两个文件：trianval.txt存放训练图片的名字，annotation.xml存储标注信息。具体过程，这里有一个参考。
然后在补充一点，如果你没有足够训练数据，或者干脆就只用voc2007的数据，而且只训练person和car，该怎么办呢。
很简单，voc2007/Imagesets/Main文件夹下，有各个类别的txt文件，我们需要使用的是person_trainval.txt和car_trainval.txt。这两个文件内容如下：

002247  1
002248  1
002249 -1
002251 -1

前边的数字串使图片的名字，后边的 1 或 -1 代表正负该图片是否存在该目标（person或car）。我们只使用标注为1的图片，使用shell语句完成：

cat person_trainval.txt car_trainval.txt | awk '{if($2 == 1) {print $1}}' >> my_trainval.txt

2. 修改pascal_voc.py文件