用Faster RCNN训练自己的数据集

Faster RCNN（py caffe）工程各个目录的作用：

1. caffe-fast-rcnn：caffe框架目录；
2. data：用来存放pretrained（预训练）模型以及读取文件的cache缓存，还有一些下载模型的脚本；
3. experiments:存放配置文件以及运行的log文件，另外这个目录下有scripts，里面存放end2end和alt_opt两种训练方式的脚本；
4. lib：用来存放一些python接口文件，如其下的datasets主要负责数据库读取，config负责一些训练的配置选项；
5. models：里面存放了三个模型文件，小型网络ZF，中型网络VGG_CNN_M_1024以及大型网络VGG16，根据你的硬件条件来选择使用哪种网络，ZF和VGG_CNN_M_1024需要至少3G内存，VGG16需要更多的内存，但不会超过11G；
6. output：这里存放的是训练完成后的输出目录，这是运行了训练后才会出现的目录；
7. tools：里面存放的是训练和测试的Python文件；

一、简单修改，用Pascal Voc 2007 格式，仅替换其中的XML文件及图片等

用自己数据集图片标签等替换原来的pascal voc

1. 用自己要训练的图片/数据集替换FRCN_ROOT/data/VOCdevkit2007/VOC2007/JPEGImages/下的图片；
2. 用自己数据集对应的标签替换FRCN_ROOT/data/VOCdevkit2007/VOC2007/Annotations/目录下的XML文件；
3. 用自己做的train.txt、val.txt、trainval.txt、待检测目标_train.txt、待检测目标_val.txt、待检测目标_trainval.txt（如：insulator_train.txt）等txt文件替换FRCN_ROOT/data/VOCdevkit2007/VOC2007/ImageSets/Main/目录下的txt文件；

修改prototxt配置文件

这些配置文件都在FRCN_ROOT/models/pascal_voc/下。里面有三种网络结构：VGG16、VGG_CNN_M_1024、ZF，本文选择的是ZF 。每个网络结构中都有三个文件夹，分别是faster_rcnn_alt_opt、faster_rcnn_end2end、faster_rcnn；
（网上说：使用近似联合训练，比交替优化快1.5倍，但是准确率相近，所以推荐使用这种方法）所以，更改faster_rcnn_end2end文件夹下的train.prototxt和test.prototxt：

修改train.prototxt

所在目录：/home/xu/FRCN_ROOT/models/pascal_voc/ZF/faster_rcnn_end2end/test.prototxt）中需要更改的地方有三处（按顺序寻找修改）：

1. 第一处是’input-data’层：
   将num_output原来的21（目标20种+背景1种=21）改为：数据集目标类别数+1:

---

2. 第四处是roi-data层：
   num_classes的值改为：数据集目标类别数+1:

3. 第二处是cls_score层：
   num_output修改原理同第一处：

---

4. 第三处是bbox_pred层，在这里需将num_output原来的84改为：（目标类别数+1）×4，原来的是（20+1）*4=84：

---

test.prototxt

1. 其中没有input-data层，所以只需按照train中的修改cls_score层以及bbox_pred层即可：

---

修改lib/datasets/pascal_voc.py，将类别改成自己的类别

进入RCN_ROOT/lib/datasets/，找到pascal_voc.py文件，将类别修改为自己数据集的目标类别：

---

datasets目录下主要有三个文件，分别是
(1) factory.py:这是一个工厂类，用类生成imdb类并且返回数据库供网络训练和测试使用；
(2) imdb.py:是数据库读写类的基类，封装了许多db的操作；
(3) pascl_voc.pyRoss用这个类来操作;

开始训练

cd FRCN_ROOT
./experiments/scripts/faster_rcnn_end2end.sh 0 ZF pascal_voc

由于训练过程太长，可以将训练过程产生的输出定向输入到log文件中，这样可方便查看。只需在上述命令中加入定向输入的命令即可，如下：
./experiments/scripts/faster_rcnn_end2end.sh 0 ZF pascal_voc > /home/xu/log/clothdirector.log 2>&1
！！！训练前需要将cache中的pki文件以及VOCdevkit2007中annotations_cache的缓存删掉。

二、训练好之后，验证demo

1. 修改相应文件内容

1.1 修改/tools/demo.py文件

（1）在/tools/demo.py文件中，修改 “CLASSES = (‘background’, ‘insulator’)”；
（2）在“NETS”中添加： “ NETS = { … ’ vgg_1 ’ : ( ‘ VGG16 ’，vgg16_faster_rcnn_iter_10000.caffemodel) } ”，其中 ‘vgg_1’表示自己生成的caffemodel；
（3）在函数 “def parse_args()”中，修改 “parser.add_argument(’–net’, … … default=‘vgg16’)”中的‘vgg16’为 “parser.add_argument(’–net’, … … default=‘vgg_1’)”；

1.2 修改faster_rcnn_test.pt文件

（1）修改models/pascal_voc/VGG16/faster_rcnn_alt_opt/faster_rcnn_test.pt文件，其中的 ‘cls_score’ 层的 ‘num_output’ 改成2；
（2）其中的 ‘bbox_pred’ 层中的 ‘num_output’ 改成8；