win10 caffe python Faster-RCNN训练自己数据集(转)

一、制作数据集

1. 关于训练的图片

不论你是网上找的图片或者你用别人的数据集，记住一点你的图片不能太小，width和height最好不要小于150。需要是jpeg的图片。

2.制作xml文件

1）LabelImg

如果你的数据集比较小的话，你可以考虑用LabelImg手工打框https://github.com/tzutalin/labelImg。关于labelimg的具体使用方法我在这就不详细说明了，大家可以去网上找一下。labelimg生成的xml直接就能给frcnn训练使用。

2）自己制作xml

如果你的数据集比较小的话，你还可以考虑用上面的方法手工打框。如果你的数据集有1w+你就可以考虑自动生成xml文件。网上有些资料基本用的是matlab坐标生成xml。我给出一段python的生成xml的代码

[python] view plain copy

 

 

print?

1. <span style="font-size:14px;">  
2. def write_xml(bbox,w,h,iter):  
3.     ''''' 
4.     bbox为你保存的当前图片的类别的信息和对应坐标的dict 
5.     w,h为你当前保存图片的width和height 
6.     iter为你图片的序号 
7.     '''  
8.     root=Element("annotation")  
9.     folder=SubElement(root,"folder")#1  
10.     folder.text="JPEGImages"  
11.     filename=SubElement(root,"filename")#1  
12.     filename.text=iter  
13.     path=SubElement(root,"path")#1  
14.     path.text='D:\\py-faster-rcnn\\data\\VOCdevkit2007\\VOC2007\\JPEGImages'+'\\'+iter+'.jpg'#把这个路径改为你的路径就行  
15.     source=SubElement(root,"source")#1  
16.     database=SubElement(source,"database")#2  
17.     database.text="Unknown"  
18.     size=SubElement(root,"size")#1  
19.     width=SubElement(size,"width")#2  
20.     height=SubElement(size,"height")#2  
21.     depth=SubElement(size,"depth")#2  
22.     width.text=str(w)  
23.     height.text=str(h)  
24.     depth.text='3'  
25.     segmented=SubElement(root,"segmented")#1  
26.     segmented.text='0'  
27.     for i in bbox:  
28.         object=SubElement(root,"object")#1  
29.         name=SubElement(object,"name")#2  
30.         name.text=i['cls']  
31.         pose=SubElement(object,"pose")#2  
32.         pose.text="Unspecified"  
33.         truncated=SubElement(object,"truncated")#2  
34.         truncated.text='0'  
35.         difficult=SubElement(object,"difficult")#2  
36.         difficult.text='0'  
37.         bndbox=SubElement(object,"bndbox")#2  
38.         xmin=SubElement(bndbox,"xmin")#3  
39.         ymin=SubElement(bndbox,"ymin")#3  
40.         xmax=SubElement(bndbox,"xmax")#3  
41.         ymax=SubElement(bndbox,"ymax")#3  
42.         xmin.text=str(i['xmin'])  
43.         ymin.text=str(i['ymin'])  
44.         xmax.text=str(i['xmax'])  
45.         ymax.text=str(i['ymax'])  
46.     xml=tostring(root,pretty_print=True)  
47.     file=open('D:/py-faster-rcnn/data/VOCdevkit2007/VOC2007/Annotations/'+iter+'.xml','w+')#这里的路径也改为你自己的路径  
48.     file.write(xml)</span>  

def write_xml(bbox,w,h,iter):
    '''
    bbox为你保存的当前图片的类别的信息和对应坐标的dict
    w,h为你当前保存图片的width和height
    iter为你图片的序号
    '''
    root=Element("annotation")
    folder=SubElement(root,"folder")#1
    folder.text="JPEGImages"
    filename=SubElement(root,"filename")#1
    filename.text=iter
    path=SubElement(root,"path")#1
    path.text='D:\\py-faster-rcnn\\data\\VOCdevkit2007\\VOC2007\\JPEGImages'+'\\'+iter+'.jpg'#把这个路径改为你的路径就行
    source=SubElement(root,"source")#1
    database=SubElement(source,"database")#2
    database.text="Unknown"
    size=SubElement(root,"size")#1
    width=SubElement(size,"width")#2
    height=SubElement(size,"height")#2
    depth=SubElement(size,"depth")#2
    width.text=str(w)
    height.text=str(h)
    depth.text='3'
    segmented=SubElement(root,"segmented")#1
    segmented.text='0'
    for i in bbox:
        object=SubElement(root,"object")#1
        name=SubElement(object,"name")#2
        name.text=i['cls']
        pose=SubElement(object,"pose")#2
        pose.text="Unspecified"
        truncated=SubElement(object,"truncated")#2
        truncated.text='0'
        difficult=SubElement(object,"difficult")#2
        difficult.text='0'
        bndbox=SubElement(object,"bndbox")#2
        xmin=SubElement(bndbox,"xmin")#3
        ymin=SubElement(bndbox,"ymin")#3
        xmax=SubElement(bndbox,"xmax")#3
        ymax=SubElement(bndbox,"ymax")#3
        xmin.text=str(i['xmin'])
        ymin.text=str(i['ymin'])
        xmax.text=str(i['xmax'])
        ymax.text=str(i['ymax'])
    xml=tostring(root,pretty_print=True)
    file=open('D:/py-faster-rcnn/data/VOCdevkit2007/VOC2007/Annotations/'+iter+'.xml','w+')#这里的路径也改为你自己的路径
    file.write(xml)

 

3.制作训练、测试、验证集

这个网上可以参考的资料比较多，我直接copy一个小咸鱼的用matlab的代码

我建议train和trainval的部分占得比例可以更大一点

[plain] view plain copy

 

 

print?

1. <span style="font-size:14px;">%%    
2. %该代码根据已生成的xml，制作VOC2007数据集中的trainval.txt;train.txt;test.txt和val.txt    
3. %trainval占总数据集的50%，test占总数据集的50%；train占trainval的50%，val占trainval的50%；    
4. %上面所占百分比可根据自己的数据集修改，如果数据集比较少，test和val可少一些    
5. %%    
6. %注意修改下面四个值    
7. xmlfilepath='E:\Annotations';    
8. txtsavepath='E:\ImageSets\Main\';    
9. trainval_percent=0.5;%trainval占整个数据集的百分比，剩下部分就是test所占百分比    
10. train_percent=0.5;%train占trainval的百分比，剩下部分就是val所占百分比    
11.     
12.     
13. %%    
14. xmlfile=dir(xmlfilepath);    
15. numOfxml=length(xmlfile)-2;%减去.和..  总的数据集大小    
16.     
17.     
18. trainval=sort(randperm(numOfxml,floor(numOfxml*trainval_percent)));    
19. test=sort(setdiff(1:numOfxml,trainval));    
20.     
21.     
22. trainvalsize=length(trainval);%trainval的大小    
23. train=sort(trainval(randperm(trainvalsize,floor(trainvalsize*train_percent))));    
24. val=sort(setdiff(trainval,train));    
25.     
26.     
27. ftrainval=fopen([txtsavepath 'trainval.txt'],'w');    
28. ftest=fopen([txtsavepath 'test.txt'],'w');    
29. ftrain=fopen([txtsavepath 'train.txt'],'w');    
30. fval=fopen([txtsavepath 'val.txt'],'w');    
31.     
32.     
33. for i=1:numOfxml    
34.     if ismember(i,trainval)    
35.         fprintf(ftrainval,'%s\n',xmlfile(i+2).name(1:end-4));    
36.         if ismember(i,train)    
37.             fprintf(ftrain,'%s\n',xmlfile(i+2).name(1:end-4));    
38.         else    
39.             fprintf(fval,'%s\n',xmlfile(i+2).name(1:end-4));    
40.         end    
41.     else    
42.         fprintf(ftest,'%s\n',xmlfile(i+2).name(1:end-4));    
43.     end    
44. end    
45. fclose(ftrainval);    
46. fclose(ftrain);    
47. fclose(fval);    
48. fclose(ftest);</span>  

%%  
%该代码根据已生成的xml，制作VOC2007数据集中的trainval.txt;train.txt;test.txt和val.txt  
%trainval占总数据集的50%，test占总数据集的50%；train占trainval的50%，val占trainval的50%；  
%上面所占百分比可根据自己的数据集修改，如果数据集比较少，test和val可少一些  
%%  
%注意修改下面四个值  
xmlfilepath='E:\Annotations';  
txtsavepath='E:\ImageSets\Main\';  
trainval_percent=0.5;%trainval占整个数据集的百分比，剩下部分就是test所占百分比  
train_percent=0.5;%train占trainval的百分比，剩下部分就是val所占百分比  
  
  
%%  
xmlfile=dir(xmlfilepath);  
numOfxml=length(xmlfile)-2;%减去.和..  总的数据集大小  
  
  
trainval=sort(randperm(numOfxml,floor(numOfxml*trainval_percent)));  
test=sort(setdiff(1:numOfxml,trainval));  
  
  
trainvalsize=length(trainval);%trainval的大小  
train=sort(trainval(randperm(trainvalsize,floor(trainvalsize*train_percent))));  
val=sort(setdiff(trainval,train));  
  
  
ftrainval=fopen([txtsavepath 'trainval.txt'],'w');  
ftest=fopen([txtsavepath 'test.txt'],'w');  
ftrain=fopen([txtsavepath 'train.txt'],'w');  
fval=fopen([txtsavepath 'val.txt'],'w');  
  
  
for i=1:numOfxml  
    if ismember(i,trainval)  
        fprintf(ftrainval,'%s\n',xmlfile(i+2).name(1:end-4));  
        if ismember(i,train)  
            fprintf(ftrain,'%s\n',xmlfile(i+2).name(1:end-4));  
        else  
            fprintf(fval,'%s\n',xmlfile(i+2).name(1:end-4));  
        end  
    else  
        fprintf(ftest,'%s\n',xmlfile(i+2).name(1:end-4));  
    end  
end  
fclose(ftrainval);  
fclose(ftrain);  
fclose(fval);  
fclose(ftest);

 

4.文件保存路径

jpg，txt，xml分别保存到data\VOCdevkit2007\VOC2007\下的JPEGImages、ImageSets\Main、Annotations文件夹

二、根据自己的数据集修改文件

1.模型配置文件

我用end2end的方式训练，这里我用vgg_cnn_m_1024为例说明。所以我们先打开models\pascal_voc\VGG_CNN_M_1024\faster_rcnn_end2end\train.prototxt，有4处需要修改

 

[plain] view plain copy

 

 

print?

1. <span style="font-size:14px;">layer {  
2.   name: 'input-data'  
3.   type: 'Python'  
4.   top: 'data'  
5.   top: 'im_info'  
6.   top: 'gt_boxes'  
7.   python_param {  
8.     module: 'roi_data_layer.layer'  
9.     layer: 'RoIDataLayer'  
10.     param_str: "'num_classes': 3" #这里改为你训练类别数+1  
11.   }  
12. }</span>  

layer {
  name: 'input-data'
  type: 'Python'
  top: 'data'
  top: 'im_info'
  top: 'gt_boxes'
  python_param {
    module: 'roi_data_layer.layer'
    layer: 'RoIDataLayer'
    param_str: "'num_classes': 3" #这里改为你训练类别数+1
  }
}

[plain] view plain copy

 

 

print?

1. <span style="font-size:14px;">layer {  
2.   name: 'roi-data'  
3.   type: 'Python'  
4.   bottom: 'rpn_rois'  
5.   bottom: 'gt_boxes'  
6.   top: 'rois'  
7.   top: 'labels'  
8.   top: 'bbox_targets'  
9.   top: 'bbox_inside_weights'  
10.   top: 'bbox_outside_weights'  
11.   python_param {  
12.     module: 'rpn.proposal_target_layer'  
13.     layer: 'ProposalTargetLayer'  
14.     param_str: "'num_classes': 3" #这里改为你训练类别数+1  
15.   }  
16. }</span>  

layer {
  name: 'roi-data'
  type: 'Python'
  bottom: 'rpn_rois'
  bottom: 'gt_boxes'
  top: 'rois'
  top: 'labels'
  top: 'bbox_targets'
  top: 'bbox_inside_weights'
  top: 'bbox_outside_weights'
  python_param {
    module: 'rpn.proposal_target_layer'
    layer: 'ProposalTargetLayer'
    param_str: "'num_classes': 3" #这里改为你训练类别数+1
  }
}

[plain] view plain copy

 

 

print?

1. <span style="font-size:14px;">layer {  
2.   name: "cls_score"  
3.   type: "InnerProduct"  
4.   bottom: "fc7"  
5.   top: "cls_score"  
6.   param {  
7.     lr_mult: 1  
8.   }  
9.   param {  
10.     lr_mult: 2  
11.   }  
12.   inner_product_param {  
13.     num_output: 3  #这里改为你训练类别数+1  
14.     weight_filler {  
15.       type: "gaussian"  
16.       std: 0.01  
17.     }  
18.     bias_filler {  
19.       type: "constant"  
20.       value: 0  
21.     }  
22.   }  
23. }  
24. layer {  
25.   name: "bbox_pred"  
26.   type: "InnerProduct"  
27.   bottom: "fc7"  
28.   top: "bbox_pred"  
29.   param {  
30.     lr_mult: 1  
31.   }  
32.   param {  
33.     lr_mult: 2  
34.   }  
35.   inner_product_param {  
36.     num_output: 12  #这里改为你的（类别数+1）*4  
37.     weight_filler {  
38.       type: "gaussian"  
39.       std: 0.001  
40.     }  
41.     bias_filler {  
42.       type: "constant"  
43.       value: 0  
44.     }  
45.   }  
46. }</span>  

layer {
  name: "cls_score"
  type: "InnerProduct"
  bottom: "fc7"
  top: "cls_score"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 3  #这里改为你训练类别数+1
    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}
layer {
  name: "bbox_pred"
  type: "InnerProduct"
  bottom: "fc7"
  top: "bbox_pred"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 12  #这里改为你的（类别数+1）*4
    weight_filler {
      type: "gaussian"
      std: 0.001
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}

然后我们修改models\pascal_voc\VGG_CNN_M_1024\faster_rcnn_end2end\test.prototxt。

[plain] view plain copy

 

 

print?

1. <span style="font-size:14px;">layer {  
2.   name: "relu7"  
3.   type: "ReLU"  
4.   bottom: "fc7"  
5.   top: "fc7"  
6. }  
7. layer {  
8.   name: "cls_score"  
9.   type: "InnerProduct"  
10.   bottom: "fc7"  
11.   top: "cls_score"  
12.   param {  
13.     lr_mult: 1  
14.     decay_mult: 1  
15.   }  
16.   param {  
17.     lr_mult: 2  
18.     decay_mult: 0  
19.   }  
20.   inner_product_param {  
21.     num_output: 3 </span><span style="font-size:14px;"> #这里改为你训练类别数+1</span><span style="font-size:14px;">  
22. </span><span style="font-size:14px;"></span>  

layer {
  name: "relu7"
  type: "ReLU"
  bottom: "fc7"
  top: "fc7"
}
layer {
  name: "cls_score"
  type: "InnerProduct"
  bottom: "fc7"
  top: "cls_score"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  param {
    lr_mult: 2
    decay_mult: 0
  }
  inner_product_param {
    num_output: 3  #这里改为你训练类别数+1

[plain] view plain copy

 

 

print?

1. <span style="font-size:14px;">    weight_filler {  
2.       type: "gaussian"  
3.       std: 0.01  
4.     }  
5.     bias_filler {  
6.       type: "constant"  
7.       value: 0  
8.     }  
9.   }  
10. }  
11. layer {  
12.   name: "bbox_pred"  
13.   type: "InnerProduct"  
14.   bottom: "fc7"  
15.   top: "bbox_pred"  
16.   param {  
17.     lr_mult: 1  
18.     decay_mult: 1  
19.   }  
20.   param {  
21.     lr_mult: 2  
22.     decay_mult: 0  
23.   }  
24.   inner_product_param {  
25.     num_output: 12 </span><span style="font-size:14px;"> #这里改为你的（类别数+1）*4</span><span style="font-size:14px;">  
26. </span>  

    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}
layer {
  name: "bbox_pred"
  type: "InnerProduct"
  bottom: "fc7"
  top: "bbox_pred"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  param {
    lr_mult: 2
    decay_mult: 0
  }
  inner_product_param {
    num_output: 12  #这里改为你的（类别数+1）*4

[plain] view plain copy

 

 

print?

1. <span style="font-size:14px;">    weight_filler {  
2.       type: "gaussian"  
3.       std: 0.001  
4.     }  
5.     bias_filler {  
6.       type: "constant"  
7.       value: 0  
8.     }  
9.   }  
10. }</span>  

    weight_filler {
      type: "gaussian"
      std: 0.001
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}

另外在 solver里可以调训练的学习率等参数，在这篇文章里不做说明

==================以下修改lib中的文件==================

2.修改imdb.py

 

[python] view plain copy

 

 

print?

1. <span style="font-size:14px;">    def append_flipped_images(self):    
2.         num_images = self.num_images    
3.         widths = [PIL.Image.open(self.image_path_at(i)).size[0]    
4.                   for i in xrange(num_images)]    
5.         for i in xrange(num_images):    
6.             boxes = self.roidb[i]['boxes'].copy()    
7.             oldx1 = boxes[:, 0].copy()    
8.             oldx2 = boxes[:, 2].copy()    
9.             boxes[:, 0] = widths[i] - oldx2 - 1    
10.             boxes[:, 2] = widths[i] - oldx1 - 1  
11.             for b in range(len(boxes)):  
12.                 if boxes[b][2]< boxes[b][0]:  
13.                     boxes[b][0] = 0           
14.             assert (boxes[:, 2] >= boxes[:, 0]).all()    
15.             entry = {'boxes' : boxes,    
16.                      'gt_overlaps' : self.roidb[i]['gt_overlaps'],    
17.                      'gt_classes' : self.roidb[i]['gt_classes'],    
18.                      'flipped' : True}    
19.             self.roidb.append(entry)    
20.         self._image_index = self._image_index * 2 </span>  

    def append_flipped_images(self):  
        num_images = self.num_images  
        widths = [PIL.Image.open(self.image_path_at(i)).size[0]  
                  for i in xrange(num_images)]  
        for i in xrange(num_images):  
            boxes = self.roidb[i]['boxes'].copy()  
            oldx1 = boxes[:, 0].copy()  
            oldx2 = boxes[:, 2].copy()  
            boxes[:, 0] = widths[i] - oldx2 - 1  
            boxes[:, 2] = widths[i] - oldx1 - 1
            for b in range(len(boxes)):
                if boxes[b][2]< boxes[b][0]:
                    boxes[b][0] = 0			
            assert (boxes[:, 2] >= boxes[:, 0]).all()  
            entry = {'boxes' : boxes,  
                     'gt_overlaps' : self.roidb[i]['gt_overlaps'],  
                     'gt_classes' : self.roidb[i]['gt_classes'],  
                     'flipped' : True}  
            self.roidb.append(entry)  
        self._image_index = self._image_index * 2 

找到这个函数，并修改为如上

 

3、修改rpn层的5个文件

在如下目录下，将文件中param_str_全部改为param_str

 

4、修改config.py

将训练和测试的proposals改为gt

 

[plain] view plain copy

 

 

print?

1. <span style="font-size:14px;"># Train using these proposals  
2. __C.TRAIN.PROPOSAL_METHOD = 'gt'  
3. # Test using these proposals  
4. __C.TEST.PROPOSAL_METHOD = 'gt</span>  

# Train using these proposals
__C.TRAIN.PROPOSAL_METHOD = 'gt'
# Test using these proposals
__C.TEST.PROPOSAL_METHOD = 'gt

 

5、修改pascal_voc.py

因为我们使用VOC来训练，所以这个是我们主要修改的训练的文件。

 

[plain] view plain copy

 

 

print?

1. <span style="font-size:14px;"> def __init__(self, image_set, year, devkit_path=None):  
2.         imdb.__init__(self, 'voc_' + year + '_' + image_set)  
3.         self._year = year  
4.         self._image_set = image_set  
5.         self._devkit_path = self._get_default_path() if devkit_path is None \  
6.                             else devkit_path  
7.         self._data_path = os.path.join(self._devkit_path, 'VOC' + self._year)  
8.         self._classes = ('__background__', # always index 0  
9.                             'cn-character','seal')  
10.         self._class_to_ind = dict(zip(self.classes, xrange(self.num_classes)))  
11.         self._image_ext = '.jpg'  
12.         self._image_index = self._load_image_set_index()  
13.         # Default to roidb handler  
14.         self._roidb_handler = self.selective_search_roidb  
15.         self._salt = str(uuid.uuid4())  
16.         self._comp_id = 'comp4'</span>  

 def __init__(self, image_set, year, devkit_path=None):
        imdb.__init__(self, 'voc_' + year + '_' + image_set)
        self._year = year
        self._image_set = image_set
        self._devkit_path = self._get_default_path() if devkit_path is None \
                            else devkit_path
        self._data_path = os.path.join(self._devkit_path, 'VOC' + self._year)
        self._classes = ('__background__', # always index 0
                            'cn-character','seal')
        self._class_to_ind = dict(zip(self.classes, xrange(self.num_classes)))
        self._image_ext = '.jpg'
        self._image_index = self._load_image_set_index()
        # Default to roidb handler
        self._roidb_handler = self.selective_search_roidb
        self._salt = str(uuid.uuid4())
        self._comp_id = 'comp4'

在self.classes这里，'__background__'使我们的背景类，不要动他。下面的改为你自己标签的内容。

 

修改以下2段内容。否则你的test部分一定会出问题。

 

[python] view plain copy

 

 

print?

1. def _get_voc_results_file_template(self):  
2.        # VOCdevkit/results/VOC2007/Main/<comp_id>_det_test_aeroplane.txt  
3.        filename = self._get_comp_id() + '_det_' + self._image_set + '_{:s}.txt'  
4.        path = os.path.join(  
5.            self._devkit_path,  
6.            'VOC' + self._year,  
7.         ImageSets,  
8.            'Main',  
9.            '{}' + '_test.txt')  
10.        return path  

 def _get_voc_results_file_template(self):
        # VOCdevkit/results/VOC2007/Main/<comp_id>_det_test_aeroplane.txt
        filename = self._get_comp_id() + '_det_' + self._image_set + '_{:s}.txt'
        path = os.path.join(
            self._devkit_path,
            'VOC' + self._year,
			ImageSets,
            'Main',
            '{}' + '_test.txt')
        return path

[python] view plain copy

 

 

print?

1. def _write_voc_results_file(self, all_boxes):  
2.        for cls_ind, cls in enumerate(self.classes):  
3.            if cls == '__background__':  
4.                continue  
5.            print 'Writing {} VOC results file'.format(cls)  
6.            filename = self._get_voc_results_file_template().format(cls)  
7.            with open(filename, 'w+') as f:  
8.                for im_ind, index in enumerate(self.image_index):  
9.                    dets = all_boxes[cls_ind][im_ind]  
10.                    if dets == []:  
11.                        continue  
12.                    # the VOCdevkit expects 1-based indices  
13.                    for k in xrange(dets.shape[0]):  
14.                        f.write('{:s} {:.3f} {:.1f} {:.1f} {:.1f} {:.1f}\n'.  
15.                                format(index, dets[k, -1],  
16.                                       dets[k, 0] + 1, dets[k, 1] + 1,  
17.                                       dets[k, 2] + 1, dets[k, 3] + 1))  

 def _write_voc_results_file(self, all_boxes):
        for cls_ind, cls in enumerate(self.classes):
            if cls == '__background__':
                continue
            print 'Writing {} VOC results file'.format(cls)
            filename = self._get_voc_results_file_template().format(cls)
            with open(filename, 'w+') as f:
                for im_ind, index in enumerate(self.image_index):
                    dets = all_boxes[cls_ind][im_ind]
                    if dets == []:
                        continue
                    # the VOCdevkit expects 1-based indices
                    for k in xrange(dets.shape[0]):
                        f.write('{:s} {:.3f} {:.1f} {:.1f} {:.1f} {:.1f}\n'.
                                format(index, dets[k, -1],
                                       dets[k, 0] + 1, dets[k, 1] + 1,
                                       dets[k, 2] + 1, dets[k, 3] + 1))

 

三、end2end训练

1、删除缓存文件

每次训练前将data\cache 和 data\VOCdevkit2007\annotations_cache中的文件删除。

2、开始训练

在py-faster-rcnn的根目录下打开git bash输入

[plain] view plain copy

 

 

print?

1. <span style="font-size:18px;">./experiments/scripts/faster_rcnn_end2end.sh 0 VGG_CNN_M_1024 pascal_voc</span>  

./experiments/scripts/faster_rcnn_end2end.sh 0 VGG_CNN_M_1024 pascal_voc

当然你可以去experiments\scripts\faster_rcnn_end2end.sh中调自己的训练的一些参数，也可以中VGG16、ZF模型去训练。我这里就用默认给的参数说明。

 

出现了这种东西的话，那就是训练成功了。用vgg1024的话还是很快的，还是要看你的配置，我用1080ti的话也就85min左右。我就没有让他训练结束了。

四、测试

 

训练完成之后，将output中的最终模型拷贝到data/faster_rcnn_models，修改tools下的demo.py，我是使用VGG_CNN_M_1024这个中型网络，不是默认的ZF，所以要改的地方挺多
1. 修改class

1 2 3 4 5 6 7 8 9 10 11 12

CLASSES = ('__background__', 'Blouse', 'Sweatpants', 'Cardigan', 'Button-Down', 'Cutoffs', 'Chinos', 'Top', 'Anorak', 'Kimono', 'Tank', 'Robe', 'Parka', 'Jodhpurs', 'Halter', 'Shorts', 'Caftan','Turtleneck', 'Leggings', 'Joggers', 'Hoodie', 'Culottes', 'Sweater', 'Flannel', 'Jeggings', 'Blazer', 'Onesie', 'Coat', 'Henley', 'Jacket', 'Trunks', 'Gauchos', 'Sweatshorts', 'Romper', 'Jersey', 'Bomber', 'Sarong', 'Dress','Jeans', 'Tee', 'Coverup', 'Capris', 'Kaftan','Peacoat', 'Poncho', 'Skirt', 'Jumpsuit')

 

2. 增加你自己训练的模型

1 2 3 4 5

NETS = {'vgg16': ('VGG16', 'VGG16_faster_rcnn_final.caffemodel'), 'zf': ('ZF', 'ZF_faster_rcnn_final.caffemodel'), 'myvgg1024':('VGG_CNN_M_1024','vgg_cnn_m_1024_faster_rcnn_iter_70000.caffemodel')}

 

3. 修改prototxt，如果你用的是ZF，就不用改了

1 2	prototxt = os.path.join(cfg.MODELS_DIR, NETS[args.demo_net][0], 'faster_rcnn_end2end', 'test.prototxt')

 

 

if __name__ == '__main__':
    cfg.TEST.HAS_RPN = True  # Use RPN for proposals

    args = parse_args()

    prototxt = os.path.join(cfg.MODELS_DIR, NETS[args.demo_net][0],
                            'faster_rcnn_end2end', 'test.prototxt')
    caffemodel = os.path.join(cfg.DATA_DIR, 'faster_rcnn_models',
                              NETS[args.demo_net][1])

    if not os.path.isfile(caffemodel):
        raise IOError(('{:s} not found.\nDid you run ./data/script/'
                       'fetch_faster_rcnn_models.sh?').format(caffemodel))

    if args.cpu_mode:
        caffe.set_mode_cpu()
    else:
        caffe.set_mode_gpu()
        caffe.set_device(args.gpu_id)
        cfg.GPU_ID = args.gpu_id
    net = caffe.Net(prototxt, caffemodel, caffe.TEST)

    print '\n\nLoaded network {:s}'.format(caffemodel)

    # Warmup on a dummy image
    im = 128 * np.ones((300, 500, 3), dtype=np.uint8)
    for i in xrange(2):
        _, _= im_detect(net, im)

    im_names = ['f1.jpg','f8.jpg','f7.jpg','f6.jpg','f5.jpg','f4.jpg','f3.jpg','f2.jpg',]
    for im_name in im_names:
        print '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
        print 'Demo for data/demo/{}'.format(im_name)
        demo(net, im_name)

    plt.show()

 

 

在这个部分，将你要测试的图片写在im_names里，并把图片放在data\demo这个文件夹下。

4. 开始检测
执行 ./tools/demo.py –net myvgg1024
假如不想那么麻烦输入参数，可以在demo的parse_args()里修改默认参数
parser.add_argument(‘–net’, dest=’demo_net’, help=’Network to use [myvgg1024]’,
choices=NETS.keys(), default=’myvgg1024’)
这样只需要输入 ./tools/demo.py 就可以了

 

 

转载于:https://www.cnblogs.com/bile/p/9110954.html