一些faster rcnn 训练自己样本的心得

1)自己样本的保存形式，最好仿照VOC样本集，这样可以避免很多修改py文件的的麻烦

一般自己样本 保存在  lib/dataset 中 自己样本主文件也可以叫VOCdevkit 

2）跑训练文件的是 tools/train_net.py  文件，当然也可以跑作者写好的脚本experiment/script/ 下的脚本文件(选择你想使用的训练方式 1)四步交替方式  2）端对端方式

3）选择你要跑的数据集，是pascal的还是coco ，这两种图片集对着不同的py文件，这就要选择适合的数据集和适合的文件一一对应，上述的VOCdevkit数据存放个事 对应着pascal数据集训练文件，预训练网络，和imagenet训练出来的初始化参数

4） 跑自己的VOCdevkit 数据集，要用到lib/dataset 文件下的pascal_voc.py和factory.py 文件，这两个py都是定义训练配置的，至于想修改网络 请去/model下，选择你想要训练的网络模型，至于imagenet训练出来的初始化参数在/data/imagenet_model文件夹下，若你想训练数据类型和imagenet数据集很近似，可以选用这个参数模型进行泛化。、

 

下面表出几个常用数据集：

1.  MNIST

 

 

深度学习领域的“Hello World!”，入门必备!MNIST是一个手