Ubuntu 16.04 tf-faster-rcnn 在CPU下训练数据

本文详细介绍在Ubuntu16.04环境下,如何配置并运行tf-faster-rcnn目标检测模型,包括VGG16和Resnet101模型权重下载、VOC2007数据集准备、训练参数设置及常见问题解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

上一篇:Ubuntu 16.04 测试 tf-faster-rcnn 在CPU下运行

1、在根目录下打开终端,输入以下命令:

(1)如果是使用VGG16模型

mkdir -p data/imagenet_weights
cd data/imagenet_weights
wget -v http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz
tar -xzvf vgg_16_2016_08_28.tar.gz
mv vgg_16.ckpt vgg16.ckpt
cd ../..

(2)如果是Resnet101模型

mkdir -p data/imagenet_weights
cd data/imagenet_weights
wget -v http://download.tensorflow.org/models/resnet_v1_101_2016_08_28.tar.gz
tar -xzvf resnet_v1_101_2016_08_28.tar.gz
mv resnet_v1_101.ckpt res101.ckpt
cd ../..

2、下载voc2007数据集

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


将三个文件下载解压到同一个文件夹下:data/VOCdevkit2007/

3、将tools/trainval_net.py拷贝到根目录下,并修改文件内容

(1)、注释:

  # if len(sys.argv) == 1:
  #   parser.print_help()
  #   sys.exit(1)

(2)添加default默认参数,省去在Edits Configurations输入命令参数

 parser.add_argument('--weight', dest='weight', default="./data/imagenet_weights/vgg16.ckpt",
                      help='initialize with pretrained model weights',
                      type=str)

输出模型路径可以修改以下参数的deault即可,代码默认生成的路径为:/output/default/voc_2007_trainval/default

parser.add_argument('--tag', dest='tag',
                      help='tag of the model',
                      default=None, type=str)

修改net参数,default="vgg16"

parser.add_argument('--net', dest='net',
                      help='vgg16, res50, res101, res152, mobile',
                      default='vgg16', type=str)

4、相关参数配置文件config.py

比如参数:__C.TRAIN.SNAPSHOT_ITERS就表示训练几次时保存一次

5、最后开始训练:

6、训练过程存在的问题

(1) keep_inds = np.append(fg_inds, bg_inds)

如果出现该情况解决办法就是删除缓存文件,比如默认缓存地址为:tf-faster-rcnn-master/data/cache

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

LoveWeeknd

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值