@H_
502_0@ 数据集
1、下载数据集：
输入指令：
wget http://host
.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-
2007.tar
wget http://host
.uk/pascal/VOC/voc2007/VOCtest_06-Nov-
.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-
2007.tar
文件挺大，要下载一段时间。如果嫌慢的话，直接打开url使用其他下载器下载也可以。
下载完成后得到三个文件：
2、解压：
1
2
3
tar
-xvf VOCtrainval_06
-Nov-2007.tar
tar
-xvf VOCtest_06
-xvf VOCdevkit_08
-Jun 解压后其中的文件会自动合并到一起。
其中比较重要的两个文件夹分别是VOC2007和VOCcode。
3、将VOCdevkit文件夹放到py-faster-rcnn的data目录，即
FRCNROOT/data下：
FRCN_ROOT表示py-faster-rcnn的根目录。
输入指令，为PASCAL_VOC dataset创建链接 :
1
2
cd $FRCN_ROOT/data
ln -s $VOCdevkit VOCdevkit2007
4、下载预训练模型：
$FRCN_ROOT
./data/scripts/fetch_imagenet_models.sh
文件挺大的，下载时间可能会比较长。
当然下载方法也很多，也可以到csdn下载区找到，不多说了。
训练数据集
好了，到目前为止都很简单。接下来要使用指令来训练了，一般来说都会因为环境不兼容碰到各种坑，后面会给出解决办法。
使用交替优化算法训练RPN
指令说明：
1
2
cd $FRCN_ROOT
./experiments/scripts/faster_rcnn_alt_opt.sh [GPU_ID] [NET] [--set
...]
GPU_ID：你的GPU号，默认为0;
NET：使用的网络模型，模型有三种{ZF,VGG_CNN_M_1024,VGG16}，其中zf较小，vgg16最大;
set 训练集设置，使用的数据集是pascal_voc;
示例：
$FRCN_ROOT
./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG16 pascal_voc
使用联合训练的方法训练RPN
指令说明：
1
2
cd $FRCN_ROOT
./experiments/scripts/faster_rcnn_end2end.sh [GPU_ID] [NET] [--set
这里跟前面类似，只是训练的方法不一样，使用的网络模型和数据集等等都是一样的。
示例：
$FRCN_ROOT
./experiments/scripts/faster_rcnn_end2end.sh
0 VGG16 pascal_voc
可能遇到的问题
好了，前面的就是基本的操作步骤了。现在介绍一下可能遇到的问题。
错误1：
1
TypeError: slice indices must be integers
or None
or have an
index method
这个报错是因为numpy的版本太高，默认我们装anaconda的话，使用的numpy版本是1.12的，而这里用的是numpy1.11。由于语法不同，不兼容，所以报错。
解决方法一：对numpy版本做调整，把numpy版本降低到1.11。
输入指令：
1
sudo pip install -U numpy==
1.11.
0
如果装的是anaconda的话，要使用conda install指令来重新安装numpy。但是不建议，因为会将一系列的python包更改掉，管理会变得很混乱，所以我没有采取这种方法。
给个参考链接，感兴趣的可以去看看：跑py-faster-rcnn过程中遇到的问题
解决办法二：
由于是numpy版本不兼容，我们就自己修改代码，使代码能兼容1.12版本的numpy。
修改$FRCN_ROOT/lib/rpn/proposal_target_layer.py，从第123行起：
1
2
3
4
5
6
7
for ind
in inds:
cls = clss[ind]
start =
4 * cls
end =
start +
4
b
Box_targets[ind,start:
end] =
bBox_target_data[
ind,
1:]
b
Box_inside_weights[ind,136)">end] =
cfg.
TRAIN.
BBox_INSIDE_WEIGHTS
return b
Box_targets,b
Box_inside_weights
修改为：
1
2
3
4
5
6
7
8
for ind in inds:
ind = int(ind)
cls = clss[ind]
start =
int(
4 * cls)
end =
int(
start +
4) b
Box_targets[ind,
start:
end] = b
Box_target_data[ind,
1:] b
Box_inside_weights[ind,136)">end] = cfg.TRAIN.B
Box_INSIDE_WEIGHTS return b
Box_targets,b
Box_inside_weights
只是更改了ind，start，end变量，因为他们是numpy.int类型，将其进行强制类型转换，才能做索引。
错误2：
1
TypeError:
'numpy.float64' object cannot be interpreted
as an index
这个报错也是numpy的版本问题，有可能会遇到报错也有可能不会。
要么更换numpy版本，要么就是自己修改源码。
1) $FRCN_ROOT/lib/roi_data_layer/minibatch.py
将第26行：
1
fg_rois_per_image = np
.round(cfg
.TRAIN.FG_FRACTION * rois_per_image)
改为：
.FG_FRACTION * rois_per_image).astype(np.int)
2) $FRCN_ROOT/lib/datasets/ds_utils.py
将第12行：
1
hashes = np.
round(
Boxes * scale).
dot(v)
1
hashes = np
.round(
Boxes * scale)
.dot(v)
3) $FRCN_ROOT/lib/fast_rcnn/test.py
将第129行：
1
hashes = np.round(blobs['rois'] * cfg.DEDUP_BoxES).round(blobs['rois'] * cfg.DEDUP_BoxES).dot(v).astype(np.int)
4) $FRCN_ROOT/lib/rpn/proposal_target_layer.py
将第60行：
1
2
fg_rois_per_image = np 接下来可以回去前面输入指令测试了。如果还遇到了其他问题，下面给出几个参考博客链接：
Faster RCNN 训练中的一些问题及解决办法
Ubuntu16.04+cuda8.0+cudnn5.1配置faster-rcnn的方法以及训练自己的数据出现的问题 原文链接：https://www.f2er.com/ubuntu/351250.html
