TensorFlow下用自己的数据训练Fater-RCNN

环境：Linux系统，GPU

1.首先在GitHub上找到这个源码，然后根据下面的ReadMe教程一步步跑通，建议先用VOC2007数据集训练，可以先把迭代次（在/FRCN_ROOT/experiments/scripts/faster_rcnn_end2end.sh文件下）数从7000改成100,只是测试有没有问题，节省时间，中途会遇到一些错误，你可以根据源码上面的issue来找解决方案，一般错误都能找到

2.如果第1步训练完没有问题，那么就可以开始制作自己的数据集了（数据标签尽量用小写字母），只是把数据集相应文件夹替换成你自己的数据就可以，制作数据集教程在这里，里面讲的很详细，工具也都有，

3.制作完之后就要修改自己源码的相应代码了，毕竟分的类数什么的不一样，所以要修改一下，修改也十分简单，

3.1，Faster_RCNN/lib/datasets/pascal_voc.py文件修改成自己的类

中间需要注意一点，如果你的标签像我一样用了大写字母，那么运行测试的时候会报错，解决办法见文末

3.2 ，/Faster_RCNN/lib/networks/VGGnet_train.py 文件

3.3 /Faster_RCNN/lib/networks/VGGnet_test.py 文件

4.如果你之前训练过一些数据的话，那么还要删除一些缓存内容

4.1，Faster_RCNN/data/cache
4.2，Faster_RCNN/output/faster_rcnn_end2end

4.3，Faster_RCNN/data/VOCdevkit2007/annotations_cache/annots.pkl

5.修改demo.py，以便使用自己的数据来测试，然后保存，由于demo.py里面原来只是选取/FRCN_ROOT/data/demo文件夹下的文件进行测试，所有我们要把这个文件夹下的图片替换成自己的测试图片，然后运行demo.py进行测试的时候是只显示出测试好的图片，而不保存测试好的图片，所有要把这个该一下，改成保存测试好的图片，如下图：

训练：

6.然后执行训练，在训练之前，你可以按照第1步的方法，先将训练次数调小，如果训练成功，再重复第4步，调大迭代次数（一般是70000）训练，在FRCN_ROOT文件夹下执行：

./experiments/scripts/faster_rcnn_end2end.sh gpu 0 VGG16 pascal_voc

测试：

7.执行下面命令：

cd $FRCN_ROOT
python ./tools/demo.py --model /home/FENGsl/Faster_RCNN/output/faster_rcnn_end2end/voc_2007_trainval/VGGnet_fast_rcnn_iter_70000.ckpt

问题描述：

1.如果你做数据集的时候把标签的写成的大写字母，会出现KeyError错误提示。

解决办法：找到下面的地方

cls = self._class_to_ind[obj.find('name').text.lower().strip()]

把lower()去掉即可。

2.如果你用了远程服务器来训练，那么图片是不能显示的，会出现RuntimeError: Invalid DISPLAY variable,

解决办法：需要修改demo.py文件，中间两行

from utils.timer import Timer
import matplotlib.pyplot as plt
plt.switch_backend('agg')
import numpy as np

谢谢大家，我的表演结束，来欣赏我的一些测试结果：

TensorFlow下用自己的数据训练Fater-RCNN相关推荐

Tensorflow下用自己的数据集对Faster RCNN进行训练和测试（二）1
原 Tensorflow下用自己的数据集对Faster RCNN进行训练和测试(二) 2018年08月21日 22:20:38 子季鹰才阅读数:1811 对于Tensorflow版本的Faster ...
maskrcnn用于目标检测_用自己的数据训练Mask R-CNN目标检测/分割模型
摘要: 本文讲述了如何使用Mask-CNN对图像中的大量数据进行目标识别与目标分割. 计算机非常擅长数字运算,但对分析图像中的大量数据束手无策.直到最近找到了解决方法,即创建图像处理单元库,利用数千个 ...
tensorflow算法实战：普通的数据训练和迁移学习之后的数据训练进行图像的识别（包括前端页面）
文章目录 1.数据集的准备: 2.requirements.txt文件: 3.文件结构: 4.预测效果: 5.首先普通的训练: (1)导入相关的库函数: (2)相关的变量的初始化: (3)数据增强和导 ...
训练fater rcnn时出现path not exist问题
在使用faster_rcnn_alt_opt.py训练时,出现path not exist:/home/wq426/py-faster-rcnn/data/VOCdevkit2007/VOC2007/ ...
使用自己的数据训练MobileNet SSD v2目标检测--TensorFlow object detection
使用自己的数据训练MobileNet SSD v2目标检测--TensorFlow object detection 1. 配置 1.1 下载models-1.12.0 2. 准备数据集 3. 配置文 ...
slim php dd model,第二十四节，TensorFlow下slim库函数的使用以及使用VGG网络进行预训练、迁移学习(附代码)...
在介绍这一节之前,需要你对slim模型库有一些基本了解,具体可以参考第二十二节,TensorFlow中的图片分类模型库slim的使用.数据集处理,这一节我们会详细介绍slim模型库下面的一些函数的使用 ...
Caffe下自己的数据训练和测试
在caffe提供的例程当中,例如mnist与cifar10中,数据集的准备均是通过调用代码自己完成的,而对于ImageNet1000类的数据库,对于高校实验室而言,常常面临电脑内存不足的尴尬境地.而对 ...
TFRecord —— tensorflow 下的统一数据存储格式
tensorflow 提供了统一的数据存储格式,即 TFRecord(record 表示记录),以提高程序的可扩展性,当数据来源十分复杂时,仍能有效记录输入数据中的信息. 1. tfrecord 使用 ...
TensorFlow入门教程：8：训练数据之Iris数据集
Irises,闻名于世的不只是梵高那副价值超过5000万美元的鸢尾花,同时还有Iris数据集. Iris数据集由英国统计学家/生物学家Ronald Fisher在1936年所收集,共包含150条数据, ...

TensorFlow下用自己的数据训练Fater-RCNN

TensorFlow下用自己的数据训练Fater-RCNN相关推荐

最新文章

热门文章