自制作数据上的pva faster rcnn 训练

一：数据集制作，参考我的上一篇文章http://blog.csdn.net/qq_29133371/article/details/54408165

数据集制作完成后将这三个文件夹复制至一个文件夹（命名为VOC2007）当中，再移动至$pva-faster-rcnn/data/VOCdevkit2007中，替换原来的VOC2007

二：训练阶段

类别设置：（有几类设置几类，我的这里只标记了1类车辆数据）

1）打开文件/models/pvanet/example_train384/train.prototxt

搜索：num_classes，有两处均改为2（背景和car）；

搜索cls_score层，将num_out:21改为2；

搜索bbox_pred层，将num_out:84改为8.

2）修改lib/datasets/pascal_voc.py

self._classes = ('__background__', # always index 0
                              'car')（只有这一类）

3）修改lib/datasets/imdb.py

数据整理，在一行代码为  boxes[:, 2] = widths[i] - oldx1 - 1 下加入代码：
 for b in range(len(boxes)):

      if boxes[b][2]< boxes[b][0]:

         boxes[b][0] = 0

4）修改完pascal_voc.py和imdb.py后进入lib/datasets目录下删除原来的pascal_voc.pyc和imdb.pyc文件，重新生成这两个文件，因为这两个文件是Python编译后的文件，系统会直接调用。

5）记得将dataset/cache文件删除掉，如果在训练自己数据集之前存在。

完成！