tf-faster-rcnn数据集迁移

数据集迁移之路

将Github作者endernewtown的基于pascal_voc数据集和coco数据集的代码，迁移至NWPU_VHR数据集。
原代码仓库链接：https://github.com/endernewton/tf-faster-rcnn
修改后的代码仓库：https://github.com/Rhapso/tf-faster-rcnn

---

前言

初次接触一个较大的tensorflow工程，所以在读源码上下了一番功夫。本文适合初涉tensorflow的用户阅读。本工程的代码结构较大，所以要从宏观入手。我们的切入点是/experiments/scripts目录下的两个个文件train_faster_rcnn.sh、test_faster_rcnn.sh。

---

NWPU_VHR数据集

NWPU_VHR数据集是一个较小的遥感照片数据集，其数据集目录下包含的文件夹有

• /annotations_cache: 根据/ground_truth中的信息生成的数据体，当程序内部默认当存在现成的数据体时，直接调用这个数据包。因此，调试程序时，若修改了对/ground_truth文件夹内数据的读取规则，请清空/annotations_catchs文件夹。
• /detections_images
• /ground_truth: 包含了每张图片的标注信息
• /image_set: 训练集照片和测试集照片的名称集合，其中训练集527张，测试集123张。
• /nagative_image_set: 包含150张没有目标的照片合集
• /positive_image_set: 包含650张含有目标的照片合集
• /results
• /readme.txt
  我们尤其需要注意的是选框信息存储的格式。NWPU_VHR数据集对于一个选框的记录方式是(index1,index2),(index3,index4),class_num，中间不包括空格。我们在提取的时候需要注意。源代码中还添加了难度（diff）参数，取值范围是如0、1、2的整数，难度参数在NWPU_VHR数据集中没有标注，因此在提取时将难度设置为0即可。

下文我们顺藤摸瓜，依次将所需调用的文件修改完成。

---

/experiments/scripts/train_faster_rcnn.sh

这个脚本文件是整个程序训练的入口文件，我们使用它的方法是运行命令./train_faster_rcnn.sh 0 nwpu_vhr res101。这里0表示GPU_ID，nwpu_vhr是我们要使用的数据集，为了要使用这个数据集，我们要在文件case语句中添加以下代码

nwpu_vhr)
TRAIN_IMDB="NWPU_VHR_train"
TEST_IMDB="NWPU_VHR_val"
STEPSIZE="[35000]"
ITERS=200000
ANCHORS="[1,2,4,8,16]"
RATIOS="[0.5,1,2]"
;;

可以实现使用该数据集的一下基本配置，特别说明，所设置的参数可以自由修改，可以达到不一样的训练效果。我们还要修改源代码的一个地方：

if [ ! -f ${NET_FINAL}.index ]; then
  if [[ ! -z  ${EXTRA_ARGS_SLUG}  ]];