Faster R-CNN训练自己的模型

一、安装

（1）首先anaconda创建虚拟环境： conda create -n faster（自定义） python=3.8

（2）activate faster

（3）pip 安装所需要的环境：

• 需要先查看自己的navidia，我这里是12.0但是安装的pytorch的链接是：

Previous PyTorch Versions | PyTorch

我选择的是：

pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

• 安装cuda：CUDA Toolkit 12.0 Downloads | NVIDIA Developer
• 安装cudnn——CSDN上随便搜一个安装即可。

二、github下载——下载的是作者的代码，不是我写的

GitHub - bubbliiiing/faster-rcnn-pytorch: 这是一个faster-rcnn的pytorch实现的库，可以利用voc数据集格式的数据进行训练。

三、修改代码

在该作者的github上面继续下载好pth的四个模型。

直接执行predict.py代码即可查看运行结果。

四、跑模型——训练自己的数据集，前面三个步骤都是准备，能完成第三步骤说明环境配置ok

这个txt怎么来的呢？使用下面的代码放在根目录即可完成运行，如果有错，也是default路径有问题修改即可。

# coding:utf-8

import os
import random
import argparse

parser = argparse.ArgumentParser()
#xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default='VOCdevkit/VOC2007/Annotations', type=str, help='input xml label path')
#数据集的划分，地址选择自己数据下的ImageSets/Main
parser.add_argument('--txt_path', default='VOCdevkit/VOC2007/ImageSets/Main', type=str, help='output txt label path')
opt = parser.parse_args()

trainval_percent = 1.0  # 训练集和验证集所占比例。 这里没有划分测试集
train_percent = 0.7     # 训练集所占比例，可自己进行调整
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
    os.makedirs(txtsavepath)

num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)

file_trainval = open(txtsavepath + '/trainval.txt', 'w')
file_test = open(txtsavepath + '/test.txt', 'w')
file_train = open(txtsavepath + '/train.txt', 'w')
file_val = open(txtsavepath + '/val.txt', 'w')

for i in list_index:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        file_trainval.write(name)
        if i in train:
            file_train.write(name)
        else:
            file_val.write(name)
    else:
        file_test.write(name)

file_trainval.close()
file_train.close()
file_val.close()
file_test.close()

其中Annotations里面放的是xml文件，JPEGImages里面放的是jpg图片。

接下来就比较关键了，需要创建一个自己的txt，也就是类别信息

代码是：

随后修改voc_annotation.py的代码——这个我不太懂，但是我一开始是运行的0，然后运行1，然后运行2.

这里train.py我的电脑带不动，所以都改成了1，是可以跑的。模型我用的默认的resnet。

五、运行结果

结果还没跑出来，还在努力