源碼
編譯方法
- 到lib目錄下執行
make
- caffe-fast-rcnn目錄下執行
cp Makefile.config.example Makefile.config
#編輯Makefile.config内容,啟動WITH_PYTHON_LAYER := 1
make -j8 && make pycaffe
訓練腳本
假設處理的目标是pascal_voc_object (object是關鍵字)
-
models/pascal_voc_object/目錄中放置train.prototxt, solver.prototxt, test.prototxt
網絡定義
-
models/pvanet/cfgs/pascal_voc_object/train.yml
pva特有的參數
-
data/pascal_voc_object/lit_pva_pretrained.caffemodel
預訓練模型
部署資料集
-
定義資料集
編輯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))
-
修改lib/datasets/pascal_voc.py
修改類别名字清單,注意類别名字必須和xml中一緻!
-
按照voc格式組織資料,放置在如下目錄
data/VOCdevkitobject/VOCobject/
- 訓練
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
備注
data/cache: 這裡有些cache資料,更新資料集後,最好把這個目錄裡的pkl删除