基于tf-faster-r-cnn 训练水下目标过程

摘要：本文主要几率了基于深度学习faster-r-cnn模型训练海星，海胆，珊瑚，和贝栅，实现水下目标检测。

在下载好数据源代码之后，进行如下的操作进行修改代码从而训练水下目标的数据模型参数

参考地址：https://blog.csdn.net/m0_38024766/article/details/90712715

 

总结：

1.整理训练和测试的VOC数据

2.修改代码参数

PS：

(1)在修改代码参数后：下载先关包：

1)tensorflow==1.14.0

2)cpython

(2)在lib目录下 make 一下， 不然nms_cpu报错

(3)由于图像起始位置为0 ，所以方式处理后的位置为大负数，所以修改代码：

1）

root/lib/datasets/imdb下修改：

2）在隔壁文件抽取xmin,ymin,xmax,ymax处去掉减1

(4) 参数模型一定要放对地方data/imagenet_weigthts

每次修改lib代码后make clean 和 make 一下

3.下载预训练参数模型 ：https://www.iteye.com/resource/pk817-10563847

 

补充：按照贴子的步骤，发现自己不存在./data/VOCdevkit2007/results/....下的文件open()失败，因此按照下面的步骤进行

4.创建文件夹：（这个文件夹下存放自己训练生成的模型参数）

VOC数据集的制作

 

在训练过程中，有问题欢迎留言