pvanet 訓練自定義資料

源碼

編譯方法

1. 到lib目錄下執行

make
           

1. 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）

1. models/pascal_voc_object/目錄中放置train.prototxt, solver.prototxt, test.prototxt

   網絡定義

2. models/pvanet/cfgs/pascal_voc_object/train.yml

   pva特有的參數

3. data/pascal_voc_object/lit_pva_pretrained.caffemodel

   預訓練模型

部署資料集

1. 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))
           

1. 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！

2. 按照voc格式組織資料，放置在如下目錄

   data/VOCdevkitobject/VOCobject/

3. 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