在看了一些深度学习的目标检测的论文后，想着去用开源的代码去跑一下，看看实际的效果。于是小菜就想着直接把faster_rcnn用起来，包括前期的faster_rcnn安装和配置并运行其中的一个demo.py。后面是用自己的数据集训练faster_rcnn的模型。
1. 准备工作：
- 1) 搭建caffe框架
这个可以参考linux先搭建caffe的笔记。 - 2) 安装第三方依赖包：Cython、 python-opencv、easydict
pip install cython
pip install easydict
apt-get install python-opencv- 3) 下载py-faster-rcnn
# Make sure to clone with --recursive
git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git- 4) 编译faster_rcnn
进入py-faster-rcnn/lib，执行make
cd py-faster-rcnn/lib
make- 5) 配置faster_rcnn
进入py-faster-rcnn\caffe-fast-rcnn，执行
cp Makefile.config.example Makefile.config然后，配置Makefile.config文件，配置好Makefile.config文件后，执行：
make –j4 && make pycaffe注：我在这一步出错了，老是不能编译成功。问题应该是出在Makefile.config文件内容中的，应该是出在路径添加中出错。
解决：
在原来搭建的caffe文件中将Makefile.config文件内容直接复制过来。
接下来下载已经训练好的faster模型，进入py-faster_rcnn/data/scripts目录，执行./fech-faster_rcnn_models,sh
- 6) 测试faster_rcnn
运行网络和加载下载的模型进行最后的测试demo
执行：
./tools/demo.py出现问题：
ImportError：No module named yaml
解决:
sudo apt-get install python-yaml2. 训练步骤：
- 1) 下载VOC2007数据集
提供一个百度云地址：http://pan.baidu.com/s/1mhMKKw4
解压，然后，将该数据集放在py-faster-rcnn\data下，用自己的数据集替换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）。 - 2) 下载ImageNet数据集下预训练得到的模型参数（用来初始化）
提供一个百度云地址：http://pan.baidu.com/s/1hsxx8OW解压，然后将该文件放在py-faster-rcnn\data下。 - 3) 修改训练的配置文件
1.py－fasterrcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/
stage1_fast_rcnn_train.pt修改
1. layer {
2. name: 'data'
3. type: 'Python'
4. top: 'data'
5. top: 'rois'
6. top: 'labels'
7. top: 'bbox_targets'
8. top: 'bbox_inside_weights'
9. top: 'bbox_outside_weights'
10. python_param {
11. module: 'roi_data_layer.layer'
12. layer: 'RoIDataLayer'
13. param_str: "'num_classes': 16" #按训练集类别改，该值为类别数+1
14. }
15. }1. layer {
2. name: "cls_score"
3. type: "InnerProduct"
4. bottom: "fc7"
5. top: "cls_score"
6. param { lr_mult: 1.0 }
7. param { lr_mult: 2.0 }
8. inner_product_param {
9. num_output: 16 #按训练集类别改，该值为类别数+1
10. weight_filler {
11. type: "gaussian"
12. std: 0.01
13. }
14. bias_filler {
15. type: "constant"
16. value: 0
17. }
18. }
19. }1. layer {
2. name: "bbox_pred"
3. type: "InnerProduct"
4. bottom: "fc7"
5. top: "bbox_pred"
6. param { lr_mult: 1.0 }
7. param { lr_mult: 2.0 }
8. inner_product_param {
9. num_output: 64 #按训练集类别改，该值为（类别数+1）*4
10. weight_filler {
11. type: "gaussian"
12. std: 0.001
13. }
14. bias_filler {
15. type: "constant"
16. value: 0
17. }
18. }
19. }2.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage1_rpn_train.pt修改
1. layer {
2. name: 'input-data'
3. type: 'Python'
4. top: 'data'
5. top: 'im_info'
6. top: 'gt_boxes'
7. python_param {
8. module: 'roi_data_layer.layer'
9. layer: 'RoIDataLayer'
10. param_str: "'num_classes': 16" #按训练集类别改，该值为类别数+1
11. }
12. }3.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage2_fast_rcnn_train.pt修改
1. layer {
2. name: 'data'
3. type: 'Python'
4. top: 'data'
5. top: 'rois'
6. top: 'labels'
7. top: 'bbox_targets'
8. top: 'bbox_inside_weights'
9. top: 'bbox_outside_weights'
10. python_param {
11. module: 'roi_data_layer.layer'
12. layer: 'RoIDataLayer'
13. param_str: "'num_classes': 16" #按训练集类别改，该值为类别数+1
14. }
15. }1. layer {
2. name: "cls_score"
3. type: "InnerProduct"
4. bottom: "fc7"
5. top: "cls_score"
6. param { lr_mult: 1.0 }
7. param { lr_mult: 2.0 }
8. inner_product_param {
9. num_output: 16 #按训练集类别改，该值为类别数+1
10. weight_filler {
11. type: "gaussian"
12. std: 0.01
13. }
14. bias_filler {
15. type: "constant"
16. value: 0
17. }
18. }
19. }1. layer {
2. name: "bbox_pred"
3. type: "InnerProduct"
4. bottom: "fc7"
5. top: "bbox_pred"
6. param { lr_mult: 1.0 }
7. param { lr_mult: 2.0 }
8. inner_product_param {
9. num_output: 64 #按训练集类别改，该值为（类别数+1）*4
10. weight_filler {
11. type: "gaussian"
12. std: 0.001
13. }
14. bias_filler {
15. type: "constant"
16. value: 0
17. }
18. }
19. }4.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/stage2_rpn_train.pt修改
1. layer {
2. name: 'input-data'
3. type: 'Python'
4. top: 'data'
5. top: 'im_info'
6. top: 'gt_boxes'
7. python_param {
8. module: 'roi_data_layer.layer'
9. layer: 'RoIDataLayer'
10. param_str: "'num_classes': 16" #按训练集类别改，该值为类别数+1
11. }
12. }5.py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt/faster_rcnn_test.pt修改
1. layer {
2. name: "cls_score"
3. type: "InnerProduct"
4. bottom: "fc7"
5. top: "cls_score"
6. inner_product_param {
7. num_output: 16 #按训练集类别改，该值为类别数+1
8. }
9. }1. layer {
2. name: "bbox_pred"
3. type: "InnerProduct"
4. bottom: "fc7"
5. top: "bbox_pred"
6. inner_product_param {
7. num_output: 64 #按训练集类别改，该值为（类别数+1）*4
8. }
9. }6.py-faster-rcnn/lib/datasets/pascal_voc.py修改
1.class pascal_voc(imdb):
- def __init__(self, image_set, year, devkit_path=None):
- imdb.__init__(self, 'voc_' + year + '_' + image_set)
- self._year = year
- self._image_set = image_set
- self._devkit_path = self._get_default_path() if devkit_path is None \
- else devkit_path
- self._data_path = os.path.join(self._devkit_path, 'VOC' + self._year)
- self._classes = ('__background__', # always index 0
- '你的标签1','你的标签2',你的标签3','你的标签4'
- )上面要改的地方是
修改训练集文件夹：
self._data_path = os.path.join(self._devkit_path, 'VOC'+self._year) 用你的数据集直接替换原来VOC2007内的Annotations，ImageSets和JPEGImages就不用修改,以免出现各种错误。
修改标签：
self._classes = (‘background‘, # always index 0
‘你的标签1’,’你的标签2’,’你的标签3’,’你的标签4’)
修改成你的数据集的标签就行。
（2）
cls = self._class_to_ind[obj.find(‘name’).text.lower().strip()]
这里把标签转成小写，如果你的标签含有大写字母，可能会出现KeyError的错误，所以建议标签用小写字母。建议训练的标签还是用小写的字母。
7.py-faster-rcnn/lib/datasets/imdb.py修改
该文件的append_flipped_images(self)函数修改为：
1. def append_flipped_images(self):
2. num_images = self.num_images
3. widths = [PIL.Image.open(self.image_path_at(i)).size[0]
4. for i in xrange(num_images)]
5. for i in xrange(num_images):
6. boxes = self.roidb[i]['boxes'].copy()
7. oldx1 = boxes[:, 0].copy()
8. oldx2 = boxes[:, 2].copy()
9. boxes[:, 0] = widths[i] - oldx2 - 1
10. print boxes[:, 0]
11. boxes[:, 2] = widths[i] - oldx1 - 1
12. print boxes[:, 0]
13. assert (boxes[:, 2] >= boxes[:, 0]).all()
14. entry = {'boxes' : boxes,
15. 'gt_overlaps' : self.roidb[i]['gt_overlaps'],
16. 'gt_classes' : self.roidb[i]['gt_classes'],
17. 'flipped' : True}
18. self.roidb.append(entry)
19. self._image_index = self._image_index * 2注：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py-faster-rcnn/data/cache中的文件和
py-faster-rcnn/data/VOCdevkit2007/annotations_cache中的文件删除（如果有的话）。
4) 训练参数设置
可在py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt中的solve文件设置，迭代次数可在py-faster-rcnn\tools的train_faster_rcnn_alt_opt.py中修改：
max_iters = [80000, 40000, 80000, 40000]
分别为4个阶段（rpn第1阶段，fast rcnn第1阶段，rpn第2阶段，fast rcnn第2阶段）的迭代次数。可改成你希望的迭代次数。如果改了这些数值，最好把py-faster-rcnn/models/pascal_voc/ZF/faster_rcnn_alt_opt里对应的solver文件（有4个）也修改，stepsize小于上面修改的数值。
5) 开始训练
进入py-faster-rcnn，
执行
./experiments/scripts/faster_rcnn_alt_opt.sh 0 ZF pascal_voc这样，就开始训练了。
我训练这里出错：
开始数据集的制作中，标签的名字是数字1，出现KeyError ‘3’
解决：在生成XML文件的代码中修改标签的name为小写英文字母。
错误：
File “/py-faster-rcnn/tools/../lib/datasets/imdb.py”, line 108, in append_flipped_images
assert (boxes[:, 2] >= boxes[:, 0]).all()
解决：检查自己数据发现，左上角坐标（x,y）可能为0，或标定区域溢出图片
1、修改lib/datasets/imdb.py，append_flipped_images()函数
数据整理，在一行代码为 boxes[:, 2] = widths[i] - oldx1 - 1下加入代码：
for b in range(len(boxes)):
if boxes[b][2]< boxes[b][0]:
boxes[b][0] = 0
2、修改lib/datasets/pascal_voc.py，_load_pascal_annotation(,)函数
将对Xmin,Ymin,Xmax,Ymax减一去掉，变为：
6) 测试
将训练得到的py-faster-rcnn\output\faster_rcnn_alt_opt***_trainval中ZF的caffemodel拷贝至py-faster-rcnn\data\faster_rcnn_models（如果没有这个文件夹，就新建一个），然后，修改：py-faster-rcnn\tools\demo.py,主要修改：
1. CLASSES = ('__background__',
2. '你的标签1', '你的标签2', '你的标签3', '你的标签4')改成你的数据集标签：
1. NETS = {'vgg16': ('VGG16',
2. 'VGG16_faster_rcnn_final.caffemodel'),
3. 'zf': ('ZF',
4. 'ZF_faster_rcnn_final.caffemodel')}上面ZF的caffemodel改成你的caffemodel。
1. im_names = ['1559.jpg','1564.jpg']改成你的测试图片。(测试图片放在py-faster-rcnn\data\demo中)
7) 结果
在py-faster-rcnn下，
执行：./tools/demo.py –net zf
或者将默认的模型改为zf：
parser.add_argument('--net', dest='demo_net', help='Network to use [vgg16]',
choices=NETS.keys(), default='vgg16')修改：
default=’zf’
执行：./tools/demo.py
