Pytorch1.0.0+ Faster R-CNN + PASCAL VOC2007

Faster R-CNN： https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0

我的环境：ubuntu16.04 + GPU-1080Ti + cuda10.0 + python3.7 + pytorch1.0.0

1. 下载Faster R-CNN

     打开Faster R-CNN的github网址，Branches选择pytorch-1.0下载程序。

如果使用终端，下载pytorch-1.0分支：

  git clone -b pytorch-1.0  https://github.com/jwyang/faster-rcnn.pytorch.git

  cd faster-rcnn.pytorch && mkdir data

2. 安装依赖项

cython
cffi
opencv-python
scipy
msgpack
easydict
matplotlib
pyyaml
tensorboardX

其中，程序中使用 from scipy.misc import imread，imread在scipy1.2.0之后版本中被弃用；建议scipy安装1.2.0及以下版本，我安装的是scipy 1.2.0：

conda install scipy==1.2.0

另外，pillow安装6.1.0版本：

conda install pillow==6.1.0

3. 下载使用PASCAL VOC2007

    参考我的博客：https://blog.csdn.net/m0_37030242/article/details/104864806

4. 编译Faster R-CNN

cd faster-rcnn.pytorch/lib   

python setup.py build develop

5. 在PASCAL VOC2007跑Faster R-CNN

  5.1 特征提取如果用pretrained model，则下载对应的预训练模型：

   

    在终端中输入：

    python trainval_net.py --dataset pascal_voc --net vgg16 --bs 1 --nw 4 --use_tfb --cuda

  上述命令表示：dataset为pascal_voc，net为vgg16，batch size为1，worker number为4，use_tfb为使用tensorboardX；这些参数均可选。

5.2 如果不用预训练模型，则网络重头开始训练。以vgg16网络为例（resnet50,resnet101,resnet152作相同处理），将pretrained设置为False：

     fasterRCNN = vgg16(imdb.classes, pretrained=False, class_agnostic=args.class_agnostic)

    在终端中输入：

    python trainval_net.py --dataset pascal_voc --net vgg16 --bs 1 --nw 4 --use_tfb --cuda

    成功运行程序：