pvanet 训练自定义数据

版权声明：https://blog.csdn.net/z0n1l2 https://blog.csdn.net/z0n1l2/article/details/84800843

源码

编译方法

1. 到lib目录下执行

make

2. caffe-fast-rcnn目录下执行

cp Makefile.config.example Makefile.config
#编辑Makefile.config内容，启动WITH_PYTHON_LAYER := 1
make -j8 && make pycaffe

训练脚本

假设处理的目标是pascal_voc_object （object是关键字）

1. models/pascal_voc_object/目录中放置train.prototxt, solver.prototxt, test.prototxt
   网络定义

2. models/pvanet/cfgs/pascal_voc_object/train.yml
   pva特有的参数

3. data/pascal_voc_object/lit_pva_pretrained.caffemodel
   预训练模型

部署数据集

1. 定义数据集
   编辑lib/datasets/factory.py

   for year in ['object']:
    for split in ['train', 'val', 'trainval', 'test']:
        name = 'voc_{}_{}'.format(year, split)
        __sets[name] = (lambda split=split, year=year: pascal_voc(split, year))

2. 修改lib/datasets/pascal_voc.py
   修改类别名字列表，注意类别名字必须和xml中一致！
3. 按照voc格式组织数据，放置在如下目录
   data/VOCdevkitobject/VOCobject/
4. 训练

python ./tools/train_net.py --gpu 0 --solver models/pascal_voc_object/solver.prototxt --iters 10000 --cfg=models/pvanet/cfgs/pascal_voc_object/train.yml 
--imdb voc_object_trainval --weights data/pascal_voc_object/lite_pva_pretrained.caffemodel

备注

data/cache： 这里有些cache数据，更新数据集后，最好把这个目录里的pkl删除