使用pascal voc训练测试faster rcnn

最新推荐文章于 2022-08-12 23:20:48 发布

小小小花儿

最新推荐文章于 2022-08-12 23:20:48 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

分类专栏：目标检测

本文链接：https://blog.youkuaiyun.com/ly_twt/article/details/105561069

目标检测专栏收录该内容

15 篇文章

订阅专栏

本文详细介绍了如何使用Faster R-CNN进行目标检测的训练和测试过程，包括环境配置、数据集下载、预训练模型获取、训练及测试命令等关键步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前提：已经配置好了faster rcnn运行环境。如果还没有，请参考：https://mp.youkuaiyun.com/console/editor/html/105133096

faster rcnn可以使用不同的backbone（基础网络/分类网络）例如：VGG16，ZF，VGG_CNN_M_1024。这里以VGG_CNN_M_1024为例。

训练faster rcnn也有不同的训练模式，例如：faster_rcnn_alt_opt，faster_rcnn_end2end。这里以faster_rcnn_end2end为例。

一、下载数据

在终端输入：

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

二、

在py-faster-rcnn-master/data目录下将（1）中下载的三个压缩包解压。解压后，data文件夹中有VOCdevkit文件夹，VOCdevkit文件夹中主要包含VOC2007和VOCcode。

解压命令：

tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

三、建立软连接

cd到py-faster-rcnn-master/data目录下：

sudo ln -s VOCdevkit VOCdevkit2007

四、下载预训练好的ImageNet模型

cd到py-faster-rcnn-master目录下：

./data/scripts/fetch_imagenet_models.sh

下载后，在data文件夹中会有一个imagenet_models文件夹。（如果没有，找到imagenet_models文件夹，将其放到data中）

注：下载pre-trained ImageNet models时，最好不要在终端上下载，因为需要外网，所以终端下载可能会出错。你可以连接外网，手动下载https://dl.dropboxusercontent.com/s/gstw7122padlf0l/imagenet_models.tgz?dl=0

五、训练+测试

【如果进行过一次训练，在下次训练之前一定要把以下文件删除】

（1）output文件夹

（2）py-faster-rcnn/data/cache中的文件

（3）py-faster-rcnn/data/VOCdevkit2007软链接中的annotations_cache文件

开始训练测试！

cd到py-faster-rcnn-master目录下：

./experiments/scripts/faster_rcnn_end2end.sh 0 VGG_CNN_M_1024 pascal_voc

执行以上命令，会进行训练，训练结束后会自动进行测试。

你也可以训练和测试分开进行：

（1）训练：

cd到py-faster-rcnn-master目录下：

./tools/train_net.py  
--gpu ${GPU_ID}   
--solver models/${PT_DIR}/${NET}/faster_rcnn_end2end/solver.prototxt   
--weights data/imagenet_models/${NET}.v2.caffemodel 
--imdb ${TRAIN_IMDB} # voc_2007_trianval
--iters ${ITERS}  # 迭代次数
--cfg experiments/cfgs/faster_rcnn_end2end.yml

(以上命令只是一个模子，需要大家根据自己的情况自行填写完整)

（2）测试：

cd到py-faster-rcnn-master目录下：

./tools/test_net.py
--gpu 0
--def models/pascal_voc/VGG_CNN_M_1024/faster_rcnn_end2end/test.prototxt
--net output/foobar/voc_2007_trainval/vgg_cnn_m_1024_faster_rcnn_iter_70000.caffemodel
--imdb voc_2007_test
--cfg experiments/cfgs/faster_rcnn_end2end.yml

（以上命令只是针对我自己的一个例子，具体的命令你需要根据自己的情况自行修改参数路径）

以上命令行参数，如果你嫌麻烦，可以提前在

~/py-faster-rcnn-master/experiments/scripts/faster_rcnn_end2end.sh

文件中进行设置。

另外，一些超参数在

~/py-faster-rcnn-master/py-faster-rcnn-master/models/pascal_voc/VGG_CNN_M_1024/faster_rcnn_end2end/solver.prototxt

文件中可以自行修改。

参考博客：

https://www.cnblogs.com/elitphil/p/11547429.html

https://blog.youkuaiyun.com/meccaendless/article/details/79569104