1. VOC2007數(shù)據(jù)集的格式

JPEGImages文件夾：該文件夾里包含了訓(xùn)練用的圖像以及測(cè)試用的圖像，混合存放在一起；

Annatations文件夾：該文件夾存放xml格式的標(biāo)簽文件，每個(gè)xml文件都對(duì)應(yīng)于一張JPEGImages文件夾中的圖像；

ImageSets文件夾：Action文件夾：存放的是人的動(dòng)作，可以暫時(shí)不用；Layout存放的是人體部位的數(shù)據(jù)，可以暫時(shí)不用；Main存放的是圖像物體識(shí)別的數(shù)據(jù)，可詳見下面的解釋；Segmentation：存放可用于分割的數(shù)據(jù)；

其他文件夾：其他分割用途

2. 數(shù)據(jù)的制作

1）將所有圖像文件命名為000001.jpg格式的文件名，并存放到JPGEImages文件夾中；其實(shí)，文件名不一定非要從000001開始往下排，文件名的長(zhǎng)度也可以不一樣；

2）使用LabelImiage軟件，將圖像做標(biāo)記，并生成相應(yīng)的xml文件，將所有的標(biāo)記xml文件存放到Annatations文件夾中；注意xml文件的文件名一定要與jpg圖像文件名相一致；

3）利用python代碼向ImageSets中Main文件夾中寫入數(shù)據(jù)：trainval.txt；test.txt；train.txt；val.txt

其中，txt文件中的信息為圖像的名字，無(wú)后綴無(wú)空格；

test.txt是測(cè)試集；train.txt是訓(xùn)練集；val.txt是驗(yàn)證集；trainval.txt是訓(xùn)練和驗(yàn)證集

VOC2007中，trainval大概是整個(gè)數(shù)據(jù)集的50%，test也大概是整個(gè)數(shù)據(jù)集的50%；train大概是trainval的50%，val大概是trainval的50%

3. 訓(xùn)練自己的數(shù)據(jù)

在制作好以上格式的數(shù)據(jù)之后，需要對(duì)代碼進(jìn)行修改才可以讓Faster R-CNN學(xué)習(xí)自己的數(shù)據(jù)并進(jìn)行識(shí)別。

修改為：pascal_voc.py文件 class pascal_voc中，__init__函數(shù)的self._classes；將自己的類別添加進(jìn)去，并刪除原有的VOC類別。這里，程序會(huì)根據(jù)classes的keyValue個(gè)數(shù)自動(dòng)設(shè)置classes的數(shù)目：num_classes，所以其他地方不需要修改；如果想修改讀取數(shù)據(jù)的路徑等，可以修改self._devkit_path以及self._data_path，另外還有一處文件路徑需要修改，暫時(shí)忘了要在哪里改了（下次Debug的時(shí)候再補(bǔ)充）

修改完成后，一定要?jiǎng)h除data文件夾中的cache緩存文件，否則會(huì)出現(xiàn)imread錯(cuò)誤等現(xiàn)象的發(fā)生

完成以上工作之后，在終端中運(yùn)行python train.py，就可以執(zhí)行訓(xùn)練程序了，在執(zhí)行訓(xùn)練程序的時(shí)候，有很多斷點(diǎn)等莫名的問題出現(xiàn)，此時(shí)需要考慮自己的數(shù)據(jù)中目標(biāo)物的尺度、圖像的尺度等是否符合Faster RCNN的默認(rèn)條件，如果不符合，則需要在config.py中對(duì)RPN相關(guān)參數(shù)進(jìn)行適當(dāng)?shù)男薷?，另外還要注意layer_utils文件夾中的nets/network.py中261行的create_architecture中所定義的輸入?yún)?shù)achor_scales以及achor_ratios的設(shè)置。具體每個(gè)參數(shù)的解釋需要詳細(xì)的研究。

不管怎樣，首先開始訓(xùn)練吧

參考：http://blog.csdn.net/gaohuazhao/article/details/60871886

批量修改文件夾JPEGImages中圖片的名字：

http://blog.csdn.net/gaohuazhao/article/details/60324715