在自定义数据集上训练 Faster RCNN答案

【问题标题】：Train Faster RCNN on Custom Dataset在自定义数据集上训练 Faster RCNN
【发布时间】：2017-07-27 07:57:55
【问题描述】：

我正在尝试运行 Py-Faster-RCNN 来解决 2 类问题，例如 obj1 和 obj2。

我已以 Pascal 格式存储数据。
我还将 caffe 定义的最后一层中的输出数量更改为 3（即 2 + BG）和 12（4 * 3）。
由于某些原因，我无法使用预训练模型。

现在，我希望为上述两个类从头开始训练caffe 模型。所以，我的问题是；如果我正在运行以下命令，

./tools/train_net.py --gpu 0 --imdb voc_2007_trainval --cfg experiments/cfgs/config.yml --solver models/pascal_voc/ZF/faster_rcnn_end2end/solver.prototxt --iter 10000

它是否按照我的要求（或者，我的想法）工作，即 obj1 和 obj2 的对象分类和本地化。或者，正在发生其他事情？因为，对于我通过运行 10000 次迭代获得的模型，我的 AP 值非常低（obj1 = 0.042;obj2 = 0.006）。

【问题讨论】：

我发现从头开始调整 SSD 检测器要容易得多。

标签： python computer-vision deep-learning caffe object-recognition

【解决方案1】：

如果您已将 obj1 和 obj2 类的数据以 PASCAL 格式排列，那么您正在正确运行训练代码。

我假设您在创建提及训练和测试样本的文本文件时特别小心。请参阅 PASCAL 设置以供参考。

【讨论】：