Faster RCNN(Tensorflow)的配置可以参考我的博客，https://blog.csdn.net/kebi199312/article/details/88368904
本文分为三部分：
- 数据集制作
- 代码修改
- 训练和测试
一、环境配置：
1、环境
- win10系统，显卡GeForce GTX 960M；
- TensorFlow-gpu 1.13.0-rc2，CUDA 10.0，Cudnn 7.4.2；
- python 3.5.2
-
Faster RCNN的下载地址：
<p><a href="https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5" rel="nofollow" target="_blank">https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5</a></p> </li>
二、制作数据集
数据集的图片来源于https://github.com/datitran/raccoon_dataset，数据集里有200张浣熊的照片；数据集的格式类似于VOC2007的格式，Annotations文件夹里是制作好的标签，JPEGImages文件夹里是源图像，ImageSets\Main 文件夹里是生成的txt文件
VOC2007下的文件夹
批量命名文件(格式:00000x.jpg)，并且图片的尺寸不能太大，将重命名的源图像放在JPEGImages文件夹里，使用labelImg工具将图像标注，生成xml文件，保存在Annotation文件夹里，操作步骤：
打开labelImg，在OpenDir中，选择JPEGimage文件夹
（1）W键快捷creatbox，进行框选待测图片中的检测目标；
（2）输入目标的标签，后面和config.py，pascal_voc.py等调整时匹配；
（2）左侧save到Annotations文件夹下，存为xml文件（放到Annotations里）；
（3）下一张图片继续，直至结束。
批量命名图片的代码：
-
import os
-
path =
"JPEGImages"
-
filelist = os.listdir(path)
#该文件夹下所有的文件（包括文件夹）
-
count=
0
-
for file
in filelist:
-
print(file)
-
for file
in filelist:
#遍历所有文件
-
Olddir=os.path.join(path,file)
#原来的文件路径
-
if os.path.isdir(Olddir):
#如果是文件夹则跳过
-
continue
-
filename=os.path.splitext(file)[
0]
#文件名
-
filetype=os.path.splitext(file)[
1]
#文件扩展名
-
Newdir=os.path.join(path,str(count).zfill(
6)+filetype)
#用字符串函数zfill 以0补全所需位数
-
os.rename(Olddir,Newdir)
#重命名
-
count+=
1
三、代码修改
标签修改：代码位于lib\datasets\pascal_voc.py，pascal_voc.py脚本第34行，不要更改_background_，将34行中的标签替换成自己的标签，这里只用到了一个标签：raccoon。
标签修改
训练参数修改：代码位于lib\config\config.py文件中，可以更改训练的总步数(max_iters)、权值衰减(weight_decay)、学习率(learning_rate)、批次大小(batch_size)等参数。
训练参数修改
四、训练和测试
参数修改完后，运行train.py，模型训练完后，模型保存在..\default\voc_2007_trainval\default中，把四个文件拷贝出来放到output\vgg16\voc_2007_trainval\default文件夹中，并进行重命名，如下图所示。
生成的模型
测试代码修改：修改主目录里的demo.py脚本，修改标签的个数(1个背景，1个标签)，同时把需要测试的图片放在data\demo文件夹里，图片的名称为6位数字。
修改的参数
最后测试的结果如下图所示：
Faster RCNN(Tensorflow)的配置可以参考我的博客，https://blog.csdn.net/kebi199312/article/details/88368904