使用faster_rcnn训练自己的数据

最新推荐文章于 2022-10-10 17:16:14 发布

xiao__run

最新推荐文章于 2022-10-10 17:16:14 发布

阅读量2.5k

点赞数

分类专栏：机器学习文章标签：神经网络算法

本文链接：https://blog.csdn.net/xiao__run/article/details/77058735

版权

机器学习专栏收录该内容

33 篇文章 7 订阅 ¥29.90 ¥99.00

订阅专栏

本文介绍了如何使用Faster R-CNN算法训练自己的CT肺数据集。涉及数据处理、Faster R-CNN参数修改、训练过程及测试步骤，包括对模型配置文件的调整，如RoIDataLayer、InnerProduct层的num_output参数，以及训练后的模型应用。

摘要由CSDN通过智能技术生成

Faster-R-CNN算法由两大模块组成：1.PRN候选框提取模块 2.Fast R-CNN检测模块。其中，RPN是全卷积神经网络，用于提取候选框；Fast R-CNN基于RPN提取的proposal检测并识别proposal中的目标。
在学习Faster-RCNN (py-faster-rcnn demo) 的基础上用自己的数据训练这里选择的是CT肺数据，关于数据处理方面的问题参照这篇博客 caffe finetune predict and detect the lung nodule
以及做成Faster RCNN格式的数据参照这篇博客将自己的数据做成Faster RCNN的格式（VOC2007格式）
修改参数这里主要介绍一下怎么修改Faster RCNN中的一些参数。
1.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage1_fast_rcnn_train.pt修改
layer { name: ‘data’ type: ‘Python’ top: ‘data’ top: ‘roi