Mxnet 下 R-FCN 训练自己的数据集

最新推荐文章于 2024-10-28 09:55:16 发布

原创

最新推荐文章于 2024-10-28 09:55:16 发布 · 752 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#deep learning #object detection #R-FCN #mxnet #自己的数据集

本文介绍了如何在Mxnet框架下使用R-FCN进行对象检测，特别是针对小物体的检测。首先，通过LabelImg工具制作Pascal VOC格式的数据集，接着划分trainval和test集。然后，修改配置文件，并下载预训练模型开始训练。文章提供了一步步的操作指导和脚本，适合需要训练R-FCN模型的读者。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

这篇文章最开始由我写在简书，欢迎到简书关注我 Link
SSD 对于小物体的检测远不及 R-FCN。因为工作的需要就训练了一个 R-FCN 的模型。使用到的 Deformable-ConvNets 在这里

制作 Pascal VOC 格式数据集

使用 LabelImg 标记数据集，将生成图片对应的 .xml 文件。下载地址：LabelImg for win and linux (macOS用户需要从源码编译，Github : labelImg)

# 首先下载 Deformable-ConvNets 源码
git clone https://github.com/msracver/Deformable-ConvNets.git

# 创建数据集目录
cd Deformable-ConvNets/
sh init.sh
cd data/
mkdir VOCdevkit && cd VOCdevkit
mkdir VOC2007 && cd VOC2007
mkdir Annotations
mkdir JPEGImages