faster-rcnn配置和训练小结

论文：http://arxiv.org/abs/1506.01497

1.准备工作

类似于fast-rcnn

http://blog.csdn.net/u010678153/article/details/46892911

2.安装（用于demo）

2.1  从github上clone到py-faster-rcnn的库。

git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git

2.2建立模块

cd py-faster-rcnn/lib/
make

2.3 生成Caffe和pycaffe

cd $py-faster-rcnn/caffe-fast-rcnn
# Now follow the Caffe installation instructions here:
#   http://caffe.berkeleyvision.org/installation.html

# If you're experienced with Caffe and have all of the requirements installed
# and your Makefile.config in place, then simply do:
make -j8 && make pycaffe

2.4 下载Faster RCNN检测器

cd $py-faster-rcnn
./data/scripts/fetch_faster_rcnn_models.sh

3.运行demo

如果报错可以看下是否支持vgg网络的显存以及demo里网络模型路径

   cd py-faster-rcnn/

   ./tools/demo.py

4.训练

  cd py-faster-rcnn/

   ./tools/train_faster_rcnn_alt_opt.py

一些可能根据自己的需要所修改的地方：

./tools/train_faster_rcnn_alt_opt.py

      parse_args()中weights的路径等参数,

      最大迭代次数max_iters = [80000, 40000, 80000, 40000]

./lib/datasets

     如果你的groundtruth和我一样并非xml文件，pascal_voc.py,imdb.py,factory.py修改成自己所需要的读入方式

     如果有，可以照搬fast-rcnn的修改模式

./models/ZF/faster_rcnn_alt_opt （我用的zf模型）