py-faster-rcnn用自己的数据训练模型（CPU版本）

最新推荐文章于 2025-05-31 15:46:51 发布

原创

最新推荐文章于 2025-05-31 15:46:51 发布 · 5.8k 阅读

23 ·

CC 4.0 BY-SA版权

文章标签：

#py-faster-rcnn训练自己的数据集 #pascal_voc2007数据格式

本文介绍了如何在CPU环境下利用py-faster-rcnn训练自定义数据集，包括数据集制作、文件结构、Python脚本修改等步骤，详细解析了从图片命名、XML文件生成到训练模型的全过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

系统环境

ubuntu14.04

python2.7

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

说明：基于cpu环境的py-faster-rcnn具体配置过程可以看我的另一篇文章点击打开链接

下面我将从制作做数据集开始讲解利用py-faster-rcnn训练自己的数据模型的过程。

制作数据集

在制作自己的数据集之前，我们先下载VOC2007数据集。

百度云地址：http://pan.baidu.com/s/1gfdSFRX
解压，然后，将该数据集放在py-faster-rcnn-master\data目录下。（后面你将用你的训练数据集替换VOC2007数据集。（替换Annotations，ImageSets和JPEGImages）
（用你的Annotations，ImagesSets和JPEGImages替换py-faster-rcnn\data\VOCdevkit2007\VOC2007中对应文件夹）

文件结构如下所示：

Annotations中是所有的xml文件
JPEGImages中是所有的训练图片
Main中是4个txt文件，其中test.txt是测试集，train.txt是训练集，val.txt是验证集，trainval.txt是训练和验证集

（一）图片命名

我们需要将自己的数据集做成VOC2007格式用于训练，那么我们应该首先将图片重新命名为“000001.jpg”这种格式，这是VOC2007标准格式。我们首先将训练图片全部放入同一个文件夹下，如我刚开始做测试时将图片放在了下面路径下：/home/wlw/VS_code_projects/cat_dog_picture。下面利用python将这些图片进行批量重命名。

#_*_coding:utf-8
import os

pic_path="/home/wlw/VS_code_projects/cat_dog_picture"

def rename():
    piclist=os.listdir(pic_path)
    total_num=len(piclist)
   
    i=1
    for pic in piclist:
        if pic.endswith(".jpg"):
            old_path=os.path.join(os.path.abspath(pic_path),pic)#os.path.abspath获得绝对路径
            new_path=os.path.join(os.path.abspath(pic_path),'000'+format(str(i),'0>3')+'.jpg')

            os.renames(old_path,new_path)
            print u"把原图片命名格式："+old_path+u"转换为新图片命名格式："+new_path
            #print "把原图片路径：%s,转换为新图片路径：%s" %(old_path,new_path)
            i=i+1
    
    print "总共"+str(total_num)+"张图片被重命名为:" "000001.jpg~"+'000'+format(str(i-1),'0>3')+".jpg形式"


rename()

效果如下：

（二）画目标包围框并自动生成XML文件

这里我利用了labelimg工具点击打开链接，可以利用它自定义绘制目标包围框，并自动生成xml文件

（三）利用python将XML文件生成ImageSets\Main里的四个txt文件

txt文件里的内容为：

即图片名（无后缀），test.txt是测试集，train.txt是训练集，val.txt是验证集，trainval.txt是训练和验证集。这里我设定，trainval大概是整个数据集的80%，test也大概是整个数据集的20%；train大概是trainval的80%，val大概是trainval的20%。python 代码如下：

#_*_coding:utf-8
import os
import random
#import numpy as np
#from sklearn.model_selection import train_test_split

xmlfilepath="/home/wlw/VS_code_projects/pic_xml"
txtsavepath="/home/wlw/VS_code_projects/pic_txt"
trainval_percent=0.8 #traincal占整个数据集的80%,剩下的就是test所占的百分比
train_percent=0.8 #train占trainval的百分比,剩下的就是val所占百分比

def xml_to_txt():
    xmllist=os.listdir(xmlfilepath)#xml文件列表
    xml_num=len(xmllist)#xml文件数量
    num_list=range(xml_num)#将xml文件分别用数字表示
    
    # trainval=xmllist[:int(num_