pvanet训练并检测自己的数据_流程_报错_总结

最新推荐文章于 2023-12-03 14:04:37 发布

原创

最新推荐文章于 2023-12-03 14:04:37 发布 · 1.3k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络和深度学习 #pavnet #训练自己的数据 #报错总结

本文档详细介绍了使用Pvanet训练自己数据集的全过程，包括数据准备、网络参数调整、Pascal VOC配置、ROI清理、检测脚本修改、训练与检测命令的执行、网络报错的调试方法、GPU加速设置以及编译时遇到的Makefile报错解决方案。

1.训练数据的准备

VOC2007数据格式，和faster-rcnn数据一样，数据集组织结构和制作参见：
[训练样本制作](http://blog.youkuaiyun.com/burning_keyboard/article/details/71055557)

准备好了VOC2007格式的数据集后，可以把VOC2007文件夹和testimg文件夹一起放在sample文件夹。（testimg,sample自己根据需要命名）
进入pvanet/data, 给sample文件夹创建超链接，起名为‘VOCdevkit2007’:

cd pvanet/data
ln -s  '/home/cvrsg/RzWu/sample' VOCdevkit2007

2.修改网络参数

我的网络结构文件路径是：/home/wurui/pvamsNET/pvanetWRZ/pvanet/models/pvanet/example_train_384
这里有3个文件要修改：
[1]solver.prototxt：学习率，使用的网络文件，没特殊要求可以不改啦。

[2]train.prototxt: 4 处修改
（1）ctrl + f : 'num_classes' 。一共2处类别数修改。
（2）cls_score 层: 
    inner_product_param {
       num_output: 5 // 改成目标类别数（背景也算一类，要 +1 ！）
（3）bbox_pred 层：
    inner_product_param {
       num_output: 20 // 改成 类别数 × 4

[3]test.prototxt： 2 处修改
  就是train.prototxt里cls_score层和bbox_pred层一样的修改方法。

3.lib/datasets/pascal_voc.py

 这里要先删除pascal_voc.pyc文件，否则会直接运行二进制的.pyc文件。
 在pascal_voc.py里修改类别的名称。

4.删除已经存在的ROI

在 data/cache 目录下删除 .pkl文件。
如果之前自己成功训练过pvanet，这里会生成.pkl保存ROI,下次再训练其他检测任务时，
会因为ROI不匹配出现一些关于RPN和ROI的报错。例如：

overlaps = entry['max_overlaps']
KeyError: 'max_overlaps'

roidb[i]['image']=imdb.image_path_at(i) 
IndexError:list index out of r

最低0.47元/天解锁文章