faster rcnn在自己的数据集上训练

本文是一个总结，参考了网上的众多资料，汇集而成，以供自己后续参考。

一般说来，训练自己的数据，有两种方法：第一种就是将自己的数据集完全改造成VOC2007的形式，然后放到py-faster-rcnn/data 目录下，然后相应地改变相应模型的参数，比如种类等。 data目录下存放的数据如下：

VOCdevkit2007
	└── VOC2007
		├── Annotations
		│   └── *.xml
		│
		├── ImageSets
		│   └── Main
		│       ├── train.txt
		│       └── test.txt
		└── JPEGImages
    			└── *.jpg

这样做最省事。

第二种，基本上也是改造成VOC2007的形式，然后放到py-faster-rcnn/data 目录下，但是允许Annotations不按照xml的形式。可以是自己的形式

YOUR_DATASET_devkit
	└── data
		├── Annotations
		│   └── *.txt
		│
		├── ImageSets
		│       ├── train.txt
		│       └── test.txt
		└── JPEGImages
    			└── *.jpg or *.png

关于第二种，可以参考如下文章：

1. deboc/py-faster-rcnn  这个代码是py-faster rcnn的拷贝，实现了二分类模型。里面的data组织如下：

INRIA_Person_devkit/
|-- data/
    |-- Annotations/
         |-- *.txt (Annotation files)
    |-- Images/
         |-- *.png (Image files)
    |-- ImageSets/
         |-- train.txt

按照教程： https://github.com/deboc/py-faster-rcnn/blob/master/help/Readme.md 可以训练行人检测。

另外《Fast RCNN 训练自己数据集 (2修改数据读取接口)》 也实现了自己的数据读取。

下面重点说一下第一种。

具体的细节可以参考： http://blog.csdn.net/Gavin__Zhou/article/details/52052915

需要注意的是 根据文章<解决faster-rcnn中训练时assert（boxes[:,2]>=boxes[:,0]）.all()的问题>   我们对lib/datasets/imdb.py，append_flipped_images()函数修改如下：

 def append_flipped_images(self):
        num_images = self.num_images
        widths = self._get_widths()
        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

我们说一说其他的，

• 关于数据标注：  强烈推荐工具：labelImg ：https://github.com/tzutalin/labelImg 这是个图形化界面操作，可以很方便地标注boundingbox,且生成xml格式。
• VOC2007数据集地址： https://pjreddie.com/projects/pascal-voc-dataset-mirror/
• 图片重命名像VOC2007那样： http://blog.csdn.net/sinat_30071459/article/details/50723212  
• 根据XML文件生成test.txt（测试集），train.txt（训练集），val.txt（验证集），trainval.txt（训练和验证集），trainval大概是整个数据集的50%，test也大概是整个数据集的50%；train大概是trainval的50%，val大概是trainval的50%。将这四个txt放在ImageSets\Main中，参考：http://blog.csdn.net/sinat_30071459/article/details/50723212  
• 另外你不想手动地更改那些参数，可以使用这个：https://github.com/Microos/py-faster-rcnn-data-interface-generator

其他参考文档：

1. 使用Faster-Rcnn进行目标检测(实践篇)

2. Faster rcnn 安装、训练、测试、调试

3. matlab训练样本集的制作

4.  制作自己的数据集用于faster-rcnn训练

5. 将数据集做成VOC2007格式用于Faster-RCNN训练   （很重要）

6. Faster-RCNN+ZF用自己的数据集训练模型(Python版本)

7. Training'R CNNs'of'various'velocities    训练faster rcnn的官方文档1

8. 训练faster rcnn的官方文档2

9. Faster-RCNN+ZF用自己的数据集训练模型(Matlab版本)

10. Py-faster-rcnn实现自己的数据train和demo  （很重要）