smallcorgi/Faster-RCNN_TF訓練本身的數據

　　熟悉了github項目提供的訓練測試後，能夠來訓練本身的數據了。本文只介紹改動最少的方法，只訓練2個類，

即本身添加的類（如person）和 background，使用的數據格式爲pascal_voc。

1.訓練數據的準備
　　先來看看data下的目錄：

　　

　　(1)Annotations 存放全部訓練數據的xml文件，是圖片的標註數據，

能夠使用labelImg工具生成。github地址：https://github.com/tzutalin/labelImg.git
　　(2)ImageSets 底下有個main文件夾，裏面放的是4個txt文件，

分別爲  test.txt，train.txt，trainval.txt，val.txt。

每一個文件存放的都是相應的圖片數據名稱，不含後綴。
trainval是train和val的合集，二者的比例能夠爲1：1。

生成txt文件的方法能夠參考本人的另外一篇blog：http://www.cnblogs.com/danpe/p/7859635.html
　　(3)JPEGImages 是存放全部訓練圖片的目錄。

注：修改成訓練數據後，須要刪除data/cache 下的pkl文件，否則不會去獲取修改的數據，而是使用該緩存。
2.修改項目部分代碼文件
　　因爲咱們只訓練了2個類，因此須要對代碼中有關類的數目的地方進行修改。
　　(1)lib/datasets/pascal_voc.py

   class pascal_voc(imdb):
        def __init__(self, image_set, year, devkit_path=None):
            imdb.__init__(self, 'voc_' + year + '_' + image_set)
            self._year = year
            self._image_set = image_set
            self._devkit_path = self._get_default_path() if devkit_path is None \
                                else devkit_path
            self._data_path = os.path.join(self._devkit_path, 'VOC' + self._year)
    #   modified #        self._classes = ('__background__', # always index 0
    #                         'aeroplane', 'bicycle', 'bird', 'boat',
    #                         'bottle', 'bus', 'car', 'cat', 'chair',
    #                         'cow', 'diningtable', 'dog', 'horse',
    #                         'motorbike', 'person', 'pottedplant',
    #                         'sheep', 'sofa', 'train', 'tvmonitor')

            self._classes = ('__background__', # always index 0
                             'person')

　　(2)lib/datasets/pascal_voc2.py，與pascal_voc.py文件相似。
　　(3)lib/networks/VGGnet_train.py

    import tensorflow as tf
    from networks.network import Network
    
    
    #define
    
    #  modified
    #n_classes = 21
    n_classes = 2
    _feat_stride = [16,]
    anchor_scales = [8, 16, 32]

　　(4)lib/networks/VGGnet_test.py，與VGGnet_train.py文件相似。
　　(5)tools/demo.py 

 import os, sys, cv2
    import argparse
    from networks.factory import get_network
    
    #  modified #CLASSES = ('__background__',
    #           'aeroplane', 'bicycle', 'bird', 'boat',
    #           'bottle', 'bus', 'car', 'cat', 'chair',
    #           'cow', 'diningtable', 'dog', 'horse',
    #           'motorbike', 'person', 'pottedplant',
    #           'sheep', 'sofa', 'train', 'tvmonitor')
    
    CLASSES = ('__background__',
               'person')

　　注：若是修改的.py文件有對應的.pyc文件，須要對pyc文件從新編譯，方法爲

　　import py_compile

　　py_compile.compile(dir/filename)

　　　　3.執行訓練的腳本    ./experiments/scripts/faster_rcnn_end2end.sh $DEVICE $DEVICE_ID VGG16 pascal_voc