本文详细介绍了如何使用Pytorch实现Faster R-CNN目标检测模型，从数据集制作到模型训练。首先，解释了Faster R-CNN的工作原理和训练所需的环境。接着，重点讲述了数据集的制作步骤，包括XML文件的生成和VOC数据集目录结构的创建。然后，指出了训练过程中可能出现的问题，如模型相关部分的修改。最后，给出了训练和测试命令，以及如何调整代码以适应不同类别的检测任务。
引言
最近在做目标检测方面的代码复现，复现过程中也遇到了一些问题，现在把整个过程遇到的问题记录一下，过程分享一下。
一、Faster R-CNN
代码下载pytorch版源码：https://github.com/jwyang/faster-rcnn.pytorch.git
具体配置文中讲得很清楚，需要准备数据集、与训练的模型VGG-16 or ResNet 101（不是直接可以用的模型）
我的代码复现环境：python3.6 + cuda 9.0 + Ubuntu16.04 + Pytorch0.4.0 （pytorch版本不能高于0.4.0）+含GPU（无GPU参照解决方法，修改weakref.py后可完美解决。）
第一步（复制代码）：
git clone https://github.com/jwyang/faster-rcnn.pytorch.git
第二步：
cd faster-rcnn.pytorch && mkdir data
第三步（准备数据集和预训练模型），如图位置有相关教程说明：
数据集：VOC 2007 、COCO、Visual Genome
预训练模型：VGG16、
最低0.47元/天 解锁文章
扫一扫
795
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
