smallcorgi/Faster-RCNN_TF训练自己的数据

　　熟悉了github项目提供的训练测试后，可以来训练自己的数据了。本文只介绍改动最少的方法，只训练2个类，

即自己添加的类（如person）和 background，使用的数据格式为pascal_voc。

1.训练数据的准备
　　先来看看data下的目录：

　　

　　(1)Annotations 存放所有训练数据的xml文件，是图片的标注数据，

可以使用labelImg工具生成。github地址：https://github.com/tzutalin/labelImg.git
　　(2)ImageSets 底下有个main文件夹，里面放的是4个txt文件，

分别为  test.txt，train.txt，trainval.txt，val.txt。

每个文件存放的都是相应的图片数据名称，不含后缀。
trainval是train和val的合集，两者的比例可以为1：1。

生成txt文件的方法可以参考本人的另一篇blog：http://www.cnblogs.com/danpe/p/7859635.html
　　(3)JPEGImages 是存放所有训练图片的目录。

注：修改为训练数据后，需要删除data/cache 下的pkl文件，不然不会去获取修改的数据，而是使用该缓存。
2.修改项目部分代码文件
　　由于我们只训练了2个类，所以需要对代码中有关类的数目的地方进行修改。
　　(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，与pascal_voc.py文件类似。
　　(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，与VGGnet_train.py文件类似。
　　(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：如果修改的.py文件有对应的.pyc文件，需要对pyc文件重新编译，方法为

　　import py_compile

　　py_compile.compile(dir/filename)

　　　　
3.执行训练的脚本
    ./experiments/scripts/faster_rcnn_end2end.sh $DEVICE $DEVICE_ID VGG16 pascal_voc