faster-rcnn的训练流程及其如何训练自己的数据集(一)

前言：

关于faster rcnn的训练网络，哪怕你一直很努力，死磕代码。就会像这图一样智商不够用啊，这边看了那边忘。所以希望大家能体系的学习faster rcnn。因为走了很多弯路，总结一下自己的理解。本篇关于Faster rcnn 的训练是基于tensorflow版本的，因为最近一直在搞这个，也为了巩固一下知识点，在此写个博客，也希望能帮助到大家。废话不多说，我们直接开始。

第一点：首先要明白faster rcnn目录下都有哪些文件夹，都有什么用处。如下截图：

文件夹：

data--------->存放的是用于训练的数据集，一般我们用的都是voc2007的数据集，知道就行了，还有一个很重要的是文件夹是pretrain_model，必不可少的，这里面存放的VGG_imagenet.npy也就是VGG模型，这个大家在网上找找就能找到。还有一个cache文件夹是随着训练的进行，用来存放训练数据的，为了下次加载数据方便。

experiments---->下面有个scripts文件夹里面存放的是faster_rcnn_end2end.sh，算是起始指令吧，我们是通过运行这个文件，加载参数来调用其他各个文件的。

lib------------>该文件夹里面存放的东西很多，主要是一些python接口文件及运行的log文件。所以说程序运行之前先make一下。关于里面各个作用，下面我会根据训练流程一一讲解。

output-------->存放当然是你的输出结果了，你的训练结束后所训练好的模型。

tools------->里面的是训练、测试的加载起始文件。demo.py是一个简单的测试文件。

好了，关于各个文件的说明已经结束。

第二点：faster rcnn训练流程开始

1.数据加载

通过./experiments/scripts/faster_rcnn_end2end.sh gpu 0  VGG16 pascal_voc命令，调用tools/train_net.py加载完参数后 imdb = get_imdb(args.imdb_name)调用了get_imdb()函数（该函数来于lib/datasets/factory.py）返回的是一个lambda表达式（其实是通过pascal_voc()函数来创建imdb数据的，通过该表达式，进入了pascal_voc函数，初始化了imdb数据，此时，数据加载完成。---->self._roidb_handler = self.gt_roidb并设置了gt_r