既然faster-rcnn原版发表时候是matlab版代码，那就用matlab版代码吧！不过遇到的坑挺多的，不知道python版会不会好一点。

======= update =========
总体上包括这些步骤，请注意检查：
1 获取数据；（标准数据集/比赛数据/自行收集数据）
2 整理图片名和标注信息格式、指定训练集和测试集；（转voc格式，同时记得修改vocinit.m中类别信息；或者自己修改代码中读取数据的地方）
3 正确使用均值图像：手动算一个或用默认的减去128,别用错
4 选择网络与设定网络参数(solver和net)；（根据业务需求和显存大小设定；修改网络中目标类别数量）
5 检查batch_size；
6 检查anchor；
7 清空cache目录；
8 开始训练；
9 确保电脑供电且不会休眠睡眠；
10 执行测试；整理测试结果
======= update =========

anyway，这里记录一下我遇到的几个坑

这里假设你已经配置好了faster-rcnn。我是在win10下配置的，显卡GTX 970，使用ZF网络。

0. 准备数据集

官方训练时用的是voc2007系列数据，那就转换成这个系列的好了，主要包括：0.下载数据集 1.整理图片 2.xml格式的annotation文件 3.txt格式指定训练集、测试集、验证集、训练验证集，以及每个类别各自的这四种文件

0.0 下载数据集

看具体情况，比如做某个比赛，那就下载；如果是自己收集的数据集，那就统一放到一起

0.1 整理图片

主要是图片格式统一，比如都是png
以及，命名规范，比如统一是6位长度的数字：000001.png，并且序号是连续的
训练图片和测试图片都放在一个JPEGImages目录里

0.2 xml格式的annotation文件

其实voc2007这种方式：为每张图片编写一个xml文件，记录图片各种元信息（作者、文件名、宽度高度深度、来源），以及bounding box坐标信息（左上、右下定点）等，很蛋疼啊，图片多的话每次处理xml文件读写I/O就增大了。anyway，遵守标准的好处是省的自己造各种工具。

这里贴一个例子好了，000001.xml:

<annotation><folder>VOC2007</folder><filename>000001.png</filename><source><database>My Database</database><annotation>VOC2007</annotation><image>flickr</image><flickrid>NULL</flickrid></source><owner><flickrid>NULL</flickrid><name>chriszz</name></owner><size><width>1280</width><height>720</height><depth>3</depth></size><segmented>0</segmented><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>369</xmin><ymin>403</ymin><xmax>409</xmax><ymax>418</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>434</xmin><ymin>375</ymin><xmax>443</xmax><ymax>401</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>461</xmin><ymin>368</ymin><xmax>471</xmax><ymax>395</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>571</xmin><ymin>473</ymin><xmax>593</xmax><ymax>490</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>674</xmin><ymin>470</ymin><xmax>683</xmax><ymax>478</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>693</xmin><ymin>471</ymin><xmax>714</xmax><ymax>480</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>976</xmin><ymin>413</ymin><xmax>998</xmax><ymax>438</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>1004</xmin><ymin>396</ymin><xmax>1011</xmax><ymax>410</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>1024</xmin><ymin>388</ymin><xmax>1031</xmax><ymax>405</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>1046</xmin><ymin>388</ymin><xmax>1071</xmax><ymax>406</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>1114</xmin><ymin>390</ymin><xmax>1143</xmax><ymax>410</ymax></bndbox></object><object><name>sign</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>913</xmin><ymin>431</ymin><xmax>928</xmax><ymax>458</ymax></bndbox></object>
</annotation>

记得所有xml文件的文件名要和图片序号一一对应：000001.xml对应000001.png
并且，所有xml文件放到Annotations目录中

0.3 txt文件指定训练集、测试集等

在ImageSets/Main目录下保存这些文件。比如我的任务是检测交通标识，只有一个类别需要检测，或者说是二分类问题，只需要判断一个bbox区域是否为交通标识（sign），那么我创建sign对应的4个文件；以及4个表示总体的训练、验证、训练验证、测试的txt文件：

其中，sign_train、sign_test、sign_trainval、sign_val每行格式相同

图片id(不带后缀，不用全路径） +1或-1（表示这张图片中是否包含sign类别的区域）

对于我的情况，类别标签都是+1

然后是train、val、trainval、test文件，其中trainval是train和val的拼接。

这里我是需要

1 修改faster-rcnn的几个代码细节

1.0 experiments\script_faster_rcnn_VOC2007_ZF.m第30、31行

这里默认居然是用select search生成region proposal，我也是醉了。
改成：

dataset                     = Dataset.voc2007_trainval(dataset, 'train', use_flipped);
dataset                     = Dataset.voc2007_test(dataset, 'test', false);

1.1 experiments\+Dataset\voc2007_test.m第11行、第14行，test改成val

这个真的是太坑了，在这里我卡了大半天。为什么会卡在这个地方，然后程序一直运行出错呢？以及，程序出错大概如下：

错误使用 proposal_prepare_image_roidb>scale_rois (line 110) 两个输入数组的单一维度必须相互匹配，...

设断点debug后发现，roidb_train里各种字段都有值（比如gt、坐标、阈值、类别等）；而roidb_val里面是空的。
实际上是在experiments\+Faster_RCNN_Train\do_proposal_train.m里面，把dataset.roidb_test赋值给roidb_val了：

function model_stage = do_proposal_train(conf, dataset, model_stage, do_val)if ~do_valdataset.imdb_test = struct();dataset.roidb_test = struct();endmodel_stage.output_model_file = proposal_train(conf, dataset.imdb_train, dataset.roidb_train, ...'do_val',           do_val, ...'imdb_val',         dataset.imdb_test, ...'roidb_val',        dataset.roidb_test, ...   # 尼玛，在这里赋值了'solver_def_file',  model_stage.solver_def_file, ...'net_file',         model_stage.init_net_file, ...'cache_name',       model_stage.cache_name);
end

问题就是在这里了，不多说。那么接下来就是把experiments\+Dataset\voc2007_test.m第11行、第14行，test改成val，保证以后在imdb\cache目录下有val的mat数据存在，roidb_val也不会说里面内容都为空的了。

2 修改网络参数

看到下面这张图应该知道要改那几个文件了：

具体可以参考小咸鱼的faster-rcnn matlab版的配置