【caffe 深度学习】10.faster rcnn在ubuntu下的训练

飞机识别：

1.在此文件里修改文件faster_rcnn_end2end.sh

训练次数，默认的是第一个阶段40000次，第2个阶段490000次，我这里改成1000次和2000次。实际操作的时候减压如图所示。

 

2.在此文件夹里打开pascal_voc.py文件：

 

把self.classes里的除了背景和飞机类都删掉。

改掉后文件如图所示：

 

3.进入文件夹：

我是1060 6g的显卡，所以选的是VGG16，其他的显卡也可以酌情选择其他的，VGG16效果最好，建议最差用1060 6g的显卡。

打开文件：test.prototxt

把这里的21类改为2,（飞机和背景）。

把这里的84（21×4）改为8（2×4）。同理把train.protptxt里的所有21换成2,所有84换成8。把下面路径的文件把所有21换成2,84改成8:faster_rcnn_test.pt。

 

4.训练模型，注意在每一次进行新的训练前应该把缓存删除，即把下图所示的Output文件夹和下图的cache文件夹删掉：

 

然后开始执行命令，开始训练：

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

执行路径见下图：

 

训练后结果如图，模型训练结束：

 

5.模型测试。

  在输出里找到模型：

复制到如图文件夹：（之前运行demo的时候我们运行的是下图的：VGG16_faster_rcnn_final.caffemodel）

修改tools-demo.py里的代码：

首先修改分类：

修改为：

然后修改模型名字，改成刚刚训练完了模型：

改为：

将测试图片放进py-faster-rcnn-data-demo里，如图：

然后修改demo.py代码，将图片名称写入demo.py，如图所示：

代码修改完成，开始执行demo。

训练效果如图

可以看到效果还是不错的哈，训练次数不是很多的情况下。