faster-rcnn.pytorch-1.0指南（四）——训练自己的数据集

目录

• faster-rcnn.pytorch-1.0指南（一）——序言
• faster-rcnn.pytorch-1.0指南（二）——平台搭建和模型训练
• faster-rcnn.pytorch-1.0指南（三）——制作PASCAL VOC2007数据集
• faster-rcnn.pytorch-1.0指南（四）——训练自己的数据集

  在完成制作PASCAL VOC2007数据集后可以开始训练自己的数据集了。
  我这里用的例子是之前做的KITTI数据集目标检测——KITTI转VOC
一、修改参数
　　首先，在faster-rcnn.pytorch/lib/datasets目录下的pascal_voc.py里更改自己的类别，'background’切记不可删掉，把后面的原来的20个label换成自己的，不用更改类别数目，也没有地方可以更改。
　　
　　第43行的图片格式默认为jpg，可以修改为自己数据库中的图片格式。
二、删除缓存
　　由于我们之前用vgg16训练过原始的数据库，因此需要将以下目录中的缓存删除：

faster-rcnn.pytorch/output/vgg16/voc_2007_trainval/default

faster-rcnn.pytorch/data/cache

faster-rcnn.pytorch/data/VOCdevkit2007/annotations_cache

  若本来就没有生成以上目录，或者没有更换数据集，则无需删除。如果不删除这些这些缓存，会导致在更换数据集的时候各种规格不一致。
三、训练模型
　　 这里依旧以vgg16为例，指令具体含义在faster-rcnn.pytorch-1.0指南（二）——平台搭建和模型训练这一章有说明。

CUDA_VISIBLE_DEVICES=0 python trainval_net.py \
                   --dataset pascal_voc --net vgg16 \
                   --epochs 1 --bs 1 --nw 4 \
                   --lr  1e-3 --lr_decay_step 5 \
                   --cuda

大概的结果和之前一样，不同的是这次是用自己的训练集。
四、Bug修正
  在运行指令的时候可能会出现一些问题如下

assert（boxes[:,2]>=boxes[:,0]）.all()

  基本上都会碰上，只要是你标注的框靠近边缘，都会出这个错误，不用急，按照下面方法改，完美解决：
  修改lib/datasets/imdb.py，append_flipped_images()函数
  在一行代码为 boxes[:, 2] = widths[i] - oldx1 - 1下加入代码：

for b in range(len(boxes)):
	if boxes[b][2]< boxes[b][0]:
		boxes[b][0] = 0