外星人跑深度学习_深度解析Faster RCNN（1）---咱们先实战

1.前言

想起上次学FasterRCNN的时候，已经离现在有4个月了，那时候的确看的我云里雾里的（和很多初学者一样），我的深度学习是从keras之父肖奈的《python深度学习》开始的，的确那本书是深度学习初学者的福音，可以浅层地了解到深度学习的相关知识，并且也能够使用keras框架搭建一些简单的深度学习模型。但是，想学习深度学习，那本书还是不够的。比如FasterRCNN框架，开源的有caffe和tensorflow等版本的（我学的就是tensorflow）版本的。如果仅仅掌握Keras框架，看FasterRCNN代码还是比较吃力的，所以我这四个月开始了Tensorflow框架的学习。（什么？一个tensorflow框架学了四个月？）说起来惭愧，我作为一个刚踏入研究生生活的大学生，除了导师项目、论文和课程，挤出来学习的时间还是有限的。所以在上个月结束了tensorflow的学习，推荐的书就是那本《Tensorflow实战google深度学习框架》。

这是我的第一篇帖子，没有像其他大佬一样从深度学习基础开始讲，但是还是希望我总结的经验能够对初学者（就像前不久前的我）的学习有一定的帮助。

好了，进入主题！本次解读的对象就是FasterRCNN，是目标检测two-stage的经典之作，也是现在众多模型的基础。我相信多数初学者和我一样，看网上别人的贴子，看的似懂非懂的，什么anchor，什么RPN，什么ROIS，说懂吧，是理解了点皮毛，但是问深一点就懵了，别担心，跟着我走，一起突破FasterRCNN。

2． 打标签和训练

（不是说fasterRCNN的解读吗？怎么突然跳到训练呢）各位别急，我的顺序是针对性的，也是我自己学FasterRCNN的顺序。说实话，如果能够先把一个程序跑起来，再去了解原理，这种感觉还是挺奇妙的不是吗？

曾经作为初学者的我，不知道训练其实只要换个文件夹这么简单的事，可废了我好多时间。使用FasterRCNN模型时，输入到模型的无非就是图片集和XML文件集。那具体的文件放在哪儿呢？不妨从代码中进行了解。

在train.py文件中，以下代码获取图片集。

self.imdb, self.roidb = combined_roidb("voc_2007_trainval") 

我们跳进去，跳到函数combined_roidb中去了，在函数combined_roidb中我们只关注函数get_roidb，接着进入该函数中。很明显啦，他根据上面的名字"voc_2007_trainval"，创建了一个imdb，他是一个poscal_voc类，具体代码如下：

for 

接着我们进入pascal_voc类(lib/dataset/pascal_voc.py文件）中。（我的天，代码怎么这么长？）莫慌，通过我的解读，只需几步修改就行。

self._data_path = os.path.join(self._devkit_path, 'VOC' + self._year) 

这个地址嘞，其实就是

Faster-RCNN-TensorFlow-Python3.5-masterdataVOCdevkit2007 VOC2007

突然秒懂，原来后面的图片和XML集要放在这个文件夹下。（没错，就是这么简单！）具体怎么放，接着看下面。

莫慌，还要修改一些东西。比如self._classes，没错，就是你自己定义的类别（注意你的顺序，不能少了'__background__'哦！）

举个例子，不妨我们要做一个动漫（fairly tail,其实是fairy tail, 妖精的尾巴，之前一直搞错了，现在也懒得改了啊哈哈 ）人物识别的模型。我们在上面的_data_path文件夹中加入一个文件夹叫做fairly_tail。

（ Faster-RCNN-trainabledataVOCDevkit2007VOC2007fairly_tail）

然后在fairly_tail文件夹中加入两个文件夹，如图1

图1

显然，annotation文件夹中加入xml文件，jpeg文件夹中加入图片，（需要注意的是xml文件和jpeg文件的前缀名一样的，如frame1.jpg和frame1.xml），我们要改哪些呢？

先来看看self._classes：

self

接着修改后面函数image_path_from_index，修改里面的image_path，指向JEPG文件夹

def 

后面还有函数_load_image_set_index（），改一下image_path到annotation文件夹（或者JPEG文件夹），就是枚举一下需要参与训练的前缀名。

def 

然后转到函数_load_pascal_annotation中，改一下当中的filename地址，他是对xml文件进行解析，所以这个地址别错了。

def 

做到这里就做好了图片image和标签文件XML的索引了，如果主程序train.py没有问题的话,是可以进行直接训练的了。

最后看看效果图，还是很amazing的！

FasterRCNN DEMO