快速使用Faster RCNN进行训练VOC格式的数据集

训练步骤

STEP1:下载代码并配置环境

git clone https://github.com/bubbliiiing/faster-rcnn-pytorch.git
cd faster-rcnn-pytorch
pip install -r requirements.txt

STEP2:根据文件结构填充VOC格式的数据集

• 数据放置格式(只需完成#TODO部分即可)

├──VOCdevkit/VOC2007/
    ├── Annotations
        ├──放置xml文件 #TODO
    ├── JPEGImages
        ├──放置img文件 #TODO
    ├──ImageSets/Main
        ├──放置训练索引文件 (无需手动完成，自动生成)
    ├── voc2frcnn.py #数据分割脚本,用于生成训练索引文件

• 编辑voc2frcnn.py。设置tarin\val\test数据分割比例

#----------------------------------------------------------------------#
#   想要增加测试集修改trainval_percent
#   train_percent不需要修改
#----------------------------------------------------------------------#
trainval_percent=1
train_percent=1

• 生成训练索引文件

python voc2frcnn.py

STEP3:生成最终训练所需的txt文件

• 编辑根目录下的voc_annotation.py，将classes改成你自己的classes(注意不要使用中文标签，文件夹中不要有空格！)

classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]

• 然后运行voc_annotation.py

python voc_annotation.py

• 此时会生成对应的2007_train.txt，每一行对应其图片位置及其真实框的位置。

STEP4:编辑model_data/voc_classes.txt

• 将其中的类别数改为自己的,文件内容为

cat
dog
...

STEP5:修改train.py的NUM_CLASSSES

• 将train.py的NUM_CLASSSES修改成所需要分的类的个数（不需要+1）

STEP6:开始训练

python train.py

STEP7:模型效果评估

评估过程可参考视频https://www.bilibili.com/video/BV1zE411u7Vw

参考资料

• https://github.com/bubbliiiing/faster-rcnn-pytorch