宋兴柱 2017年6月25日下午

1.2k 字 11 分钟

FasterRcnn训练数据集参数配置

FasterRcnn训练数据集参数配置

FasterRcnn训练数据集参数配置

说明：本博文假设你已经做好了自己的数据集，该数据集格式和VOC2007相同。做好数据集后，我们开始训练，下面是训练前的一些修改。
本文来自：http://www.lai18.com/content/2526443.html

1 、VOCdevkit2007\VOCcode\VOCinit.m的修改

（1）路径的修改

[plain] view plain copy

VOCopts.annopath=[VOCopts.datadir VOCopts.dataset ‘/Annotations/%s.xml’];
VOCopts.imgpath=[VOCopts.datadir VOCopts.dataset ‘/JPEGImages/%s.jpg’];
VOCopts.imgsetpath=[VOCopts.datadir VOCopts.dataset ‘/ImageSets/Main/%s.txt’];
VOCopts.clsimgsetpath=[VOCopts.datadir VOCopts.dataset ‘/ImageSets/Main/%s_%s.txt’];
VOCopts.clsrespath=[VOCopts.resdir ‘Main/%s_cls_’ VOCopts.testset ‘_%s.txt’];
VOCopts.detrespath=[VOCopts.resdir ‘Main/%s_det_’ VOCopts.testset ‘_%s.txt’];

上面这些路径要正确，第一个是xml标签路径；第二个是图片的路径；第三个是放train.txt、val.txt、test.txt和trainval.txt的路径；第四、五、六个不需要；一般来说这些路径不用修改，你做的数据集格式和VOC2007相同就行。

（2）训练集文件夹修改

[plain] view plain copy

VOCopts.dataset = ‘你的文件夹名’;

然后将VOC2007路径注释掉，上面”你的文件夹名”是你放Annotations、ImageSets、JPEGImages文件夹的文件夹名。

（3）标签的修改

[plain] view plain copy

VOCopts.classes={…
‘你的标签1’
‘你的标签2’
‘你的标签3’
‘你的标签4’};

将其改为你的标签。

2 、VOCdevkit2007\results

results下需要新建一个文件夹，名字和xml中的对应。文件夹下新建一个Main文件夹。

3 、VOCdevkit2007\local

local下需要新建一个文件夹，名字和xml中的***对应。

4 、function\fast_rcnn\fast_rcnn_train.m

[plain] view plain copy

ip.addParamValue(‘val_iters’, 500, @isscalar);
ip.addParamValue(‘val_interval’, 2000, @isscalar);

可能在randperm(N,k)出现错误，可以将500改小点，比如200.

5、function\rpn\proposal_train.m

这里的问题和fast_rcnn_train.m一样。

6.imdb\imdb_eval_voc.m

[plain] view plain copy

%do_eval = (str2num(year) <= 2007) | ~strcmp(test_set,’test’);
do_eval = 1;

注释掉

[plain] view plain copy

do_eval = (str2num(year) <= 2007) | ~strcmp(test_set,’test’);

并令其为1，否则测试会出现精度全为0的情况

7. imdbroidb_from_voc.m

[plain] view plain copy

ip.addParamValue(‘exclude_difficult_samples’, true, @islogical);

不包括难识别的样本，所以设置为true。(如果有就设置为false)

8.网络模型的修改

（1） models\ fast_rcnn_prototxts\ZF\ train_val.prototxt

[plain] view plain copy

input: “bbox_targets”
input_dim: 1 # to be changed on-the-fly to match num ROIs
input_dim: 84 # 根据类别数改，该值为（类别数+1）*4 #################
input_dim: 1
input_dim: 1

[plain] view plain copy

input: “bbox_loss_weights”
input_dim: 1 # to be changed on-the-fly to match num ROIs
input_dim: 84 # 根据类别数改，该值为（类别数+1）*4 ############
input_dim: 1
input_dim: 1

[plain] view plain copy

layer {
```
bottom: "fc7"  
```
```
top: "cls_score"  
```
```
name: "cls_score"  
```
```
param {  
```
```
    lr_mult: 1.0  
```
```
}  
```
```
param {  
```
```
    lr_mult: 2.0  
```
```
}  
```
```
type: "InnerProduct"  
```
```
inner_product_param {  
```

    num_output: 21 #根据类别数改该值为类别数+1   #########

[plain] view plain copy

layer {
```
bottom: "fc7"  
```
```
top: "bbox_pred"  
```
```
name: "bbox_pred"  
```
```
type: "InnerProduct"  
```
```
param {  
```
```
    lr_mult: 1.0  
```
```
}  
```
```
param {  
```
```
    lr_mult: 2.0  
```
```
}  
```
```
inner_product_param {  
```

    num_output: 84  #根据类别数改，该值为（类别数+1）*4  ##########

（2） models\ fast_rcnn_prototxts\ZF\ test.prototxt

[plain] view plain copy

layer {
```
bottom: "fc7"  
```
```
top: "cls_score"  
```
```
name: "cls_score"  
```
```
param {  
```
```
    lr_mult: 1.0  
```
```
}  
```
```
param {  
```
```
    lr_mult: 2.0  
```
```
}  
```
```
type: "InnerProduct"  
```
```
inner_product_param {  
```

    num_output: 21  #类别数+1  ##########

[plain] view plain copy

layer {
```
bottom: "fc7"  
```
```
top: "bbox_pred"  
```
```
name: "bbox_pred"  
```
```
type: "InnerProduct"  
```
```
param {  
```
```
    lr_mult: 1.0  
```
```
}  
```
```
param {  
```
```
    lr_mult: 2.0  
```
```
}  
```
```
inner_product_param {  
```

    num_output: 84  #4*(类别数+1)  ##########

（3） models\ fast_rcnn_prototxts\ZF_fc6\ train_val.prototxt

[plain] view plain copy

input: “bbox_targets”
input_dim: 1 # to be changed on-the-fly to match num ROIs
input_dim: 84 # 4*(类别数+1) ###########
input_dim: 1
input_dim: 1

[plain] view plain copy

input: “bbox_loss_weights”
input_dim: 1 # to be changed on-the-fly to match num ROIs
input_dim: 84 # 4*(类别数+1) ###########
input_dim: 1
input_dim: 1

[plain] view plain copy

layer {
```
bottom: "fc7"  
```
```
top: "cls_score"  
```
```
name: "cls_score"  
```
```
param {  
```
```
    lr_mult: 1.0  
```
```
}  
```
```
param {  
```
```
    lr_mult: 2.0  
```
```
}  
```
```
type: "InnerProduct"  
```
```
inner_product_param {  
```

    num_output: 21 #类别数+1   ############

[plain] view plain copy

layer {
```
bottom: "fc7"  
```
```
top:"bbox_pred"  
```
```
name:"bbox_pred"  
```
```
type:"InnerProduct"  
```
```
param {  
```
```
   lr_mult:1.0  
```
```
}  
```
```
param {  
```
```
   lr_mult:2.0  
```
```
}  
```
```
inner_product_param{  
```

   num_output: 84   #4*（类别数+1）   ###########

（4） models\ fast_rcnn_prototxts\ZF_fc6\ test.prototxt

[plain] view plain copy

layer {
```
bottom: "fc7"  
```
```
top: "cls_score"  
```
```
name: "cls_score"  
```
```
param {  
```
```
    lr_mult: 1.0  
```
```
}  
```
```
param {  
```
```
    lr_mult: 2.0  
```
```
}  
```
```
type: "InnerProduct"  
```
```
inner_product_param {  
```

    num_output: 21  类别数+1 #######

[plain] view plain copy

layer {
```
bottom: "fc7"  
```
```
top: "bbox_pred"  
```
```
name: "bbox_pred"  
```
```
type: "InnerProduct"  
```
```
param {  
```
```
    lr_mult: 1.0  
```
```
}  
```
```
param {  
```
```
    lr_mult: 2.0  
```
```
}  
```
```
inner_product_param {  
```

    num_output: 84  #4*（类别数+1） ##########

！！！为防止与之前的模型搞混,训练前把output文件夹删除（或改个其他名），还要把imdb\cache中的文件删除（如果有的话）

9.开始训练

运行：

[plain] view plain copy

experiments/script_faster_rcnn_VOC2007_ZF.m

10.训练完后

训练完后，不要急着马上测试，先打开output/faster_rcnn_final/faster_rcnn_VOC2007_ZF文件夹，打开detection_test.prototxt，作如下修改：

将relu5（包括relu5）前的层删除，并将roi_pool5的bottom改为data和rois。并且前面的input_dim:分别改为1,256,50,50(如果是VGG就是1,512,50,50,其他修改基本一样)，具体如下

[plain] view plain copy

input: “data”
input_dim: 1
input_dim: 256
input_dim: 50
input_dim: 50

[plain] view plain copy

-———————– layer 1 -—————————-
layer {
```
bottom: "data"  
```
```
bottom: "rois"  
```
```
top: "pool5"  
```
```
name: "roi_pool5"  
```
```
type: "ROIPooling"  
```
```
roi_pooling_param {  
```
```
    pooled_w: 6  
```
```
    pooled_h: 6  
```
```
    spatial_scale: 0.0625  # (1/16)  
```
```
}  
```
}

11.测试

训练完成后，打开\experiments\script_faster_rcnn_demo.m，将模型路径改成训练得到的模型路径：

[plain] view plain copy

model_dir = fullfile(pwd, ‘output’, ‘faster_rcnn_final’, ‘faster_rcnn_VOC2007_ZF’)

[plain] view plain copy

1. 将测试图片改成你的图片，im_names = {'001.jpg', '002.jpg', '003.jpg'};

人工智能 > 图像识别

#人工智能 #机器学习 #深度学习 #图像识别 #目标检测 #FasterRcnn #数据集 #参数配置

FasterRcnn训练数据集参数配置

https://www.dearcloud.cn/2017/06/25/20200310-cnblogs-old-posts/20170625-FasterRcnn训练数据集参数配置/

作者

宋兴柱

发布于

2017年6月25日

许可协议

使用Phantomjs和ChromeDriver添加Cookies的方法上一篇

Mysql中使用Group_Concat将列组合进来下一篇