前言
这部分主要讲如何修改Faster R-CNN的代码,来训练自己的数据集,首先确保你已经编译安装了py-faster-rcnn,并且准备好了数据集,具体可参考我上一篇文章。
py-faster-rcnn文件结构
- caffe-fast-rcnn
这里是caffe框架目录,用来进行caffe编译安装 - data
用来存放pre trained模型,比如ImageNet上的,要训练的数据集以及读取文件的cache缓存。 - experiments
存放配置文件,运行的log文件,另外这个目录下有scripts 用来获取imagenet的模型,以及作者训练好的fast rcnn模型,以及相应的pascal-voc数据集 - lib
用来存放一些python接口文件,如其下的datasets主要负责数据库读取,config负责cnn一些训练的配置选项 - matlab
放置matlab与python的接口,用matlab来调用实现detection - models
里面存放了三个模型文件,小型网络的ZF,大型网络VGG16,中型网络VGG_CNN_M_1024 - output
这里存放的是训练完成后的输出目录,默认会在default文件夹下 - tools
里面存放的是训练和测试的Python文件
修改训练代码
所要操作文件结构介绍
所有需要修改的训练代码都放到了py-faster-rcnn/lib
文件夹下,我们进入文件夹,里面主要用到的文件夹有:
- datasets:该目录下主要存放读写数据接口。
- fast-rcnn:该目录下主要存放的是python的训练和测试脚本,以及训练的配置文件。
- roi_data_layer:该目录下主要存放一些ROI处理操作文件。
- utils:该目录下主要存放一些通用操作比如非极大值nms,以及计算bounding box的重叠率等常用功能。
读写数据接口都放在datasets/
文件夹下,我们进入文件夹,里面主要文件有:
- factory.py:这是个工厂类,用类生成imdb类并且返回数据库共网络训练和测试使用。
- imdb.py:这是数据库读写类的基类,分装了许多db的操作,但是具体的一些文件读写需要继承继续读写
- pascal_voc.py:这是imdb的子类,里面定义许多函数用来进行所有的数据读写操作。
从上面可以看出,我们主要对pascal_voc.py
文件进行修改。
pascal_voc.py文件代码分析
我们主要是基于pasca_voc.py
这个文件进行修改,里面有几个重要的函数需要介绍:
|
|
修改pascal_voc.py文件
要想对自己的数据集进行读取,我们主要是进行pascal_voc.py
文件的修改,但是为了不破坏源文件,我们可以将pascal_voc.py
进行拷贝复制,从而进行修改。这里我将pascal_voc.py
文件拷贝成caltech.py
文件:
|
|
下面我们对caltech.py
文件进行修改,在这里我会一一列举每个我修改过的函数。这里按照文件中的顺序排列。。
init函数修改
这里是原始的pascal_voc的init函数,在这里,由于我们自己的数据集往往比voc的数据集要更简单的一些,在作者额代码里面用了很多的路径拼接,我们不用去迎合他的格式,将这些操作简单化即可。
原始的函数
|
|
修改后的函数
|
|
_load_image_set_index函数修改
原始的函数
|
|
修改后的函数
|
|
其实没改,只是加了一行注释,从而更好理解路径问题。
_get_default_path函数修改
直接注释即可
_load_pascal_annotation函数修改
原始的函数
|
|
修改后的函数
|
|
main函数修改
原始的函数
|
|
修改后的函数
|
|
至此读取接口修改完毕,该文件中的其他函数并未修改。
修改factory.py文件
当网络训练时会调用factory里面的get方法获得相应的imdb,首先在文件头import 把pascal_voc改成caltech
在这个文件作者生成了多个数据库的路径,我们自己数据库只要给定根路径即可,修改主要有以下4个
- 函数之后有两个多级的for循环,也将其注释
- 直接定义
devkit
。 - 利用创建自己的训练和测试的imdb set,这里的name的格式为
caltech_{}
。
原始的代码
|
|
修改后的文件
|
|
修改init.py文件
在行首添加上 from .caltech import caltech
总结
- 坐标的顺序我再说一次,要左上右下,并且x1必须要小于x2,这个是基本,反了会在坐标水平变换的时候会出错,坐标从0开始,如果已经是0,则不需要再-1。
- 训练图像的大小不要太大,否则生成的OP也会太多,速度太慢,图像样本大小最好调整到500,600左右,然后再提取OP
- 如果读取并生成pkl文件之后,实际数据内容或者顺序还有问题,记得要把data/cache/下面的pkl文件给删掉。