Faster RCNN pytorch 1.0版调试（踩坑）过程记录

本博客记录了用pytorch实现的faster rcnn代码，完成VOC2007数据集，以及个人数据集的训练及测试过程。比较少做目标检测方向的实验，花了点时间调通代码，记录一下填坑过程。

前言

Faster RCNN是一个很成熟的two-stage目标检测算法，由Kaiming He等大神在2015年提出。该算法在2015年的ILSVRV和COCO竞赛中获得多项第一，在VOC2007+2012数据集和COCO数据集上有很客观的mAP,同时利用所提出的RPN网络大幅提升了测试阶段的速度。整个RCNN系列的目标检测框架发展历程主要包含RCNN、SPP、Fast RCNN、Faster RCNN.
paper:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
code(tensorflow):Tensorflow Faster RCNN for Object Detection
code(pytorch1.0):Pytorch implemention of Faster RCNN

调试

本篇博客主要参考上面的pytorch faster rcnn代码，按照README的提示完成整个调试过程。下载链接中提供的源代码，并解压。

1. 环境
   Win10+CUDA10.0+python 3.6+pytorch1.0
2. 准备数据集
   在解压后的源码根目录下新建文件夹data用于存放数据集及其下级目录data\pretrained_model用于存放detector的预训练权重。
   下载Pascal VOC2007数据集，解压后将两个文件夹下的VOCdevkit文件合并，放到data目录下，整个数据集的结构如下图。Annotations存放的是所有样本的xml标签，ImageSets存放的是训练集和验证集列表，JPEGImages存放所有样本。
   

---data
	---VOCdevkit2007
		--