我们不仅可以在notebook里面自己开发实现FasterRCNN算法，同时，ModelArts也有预置的FasterRCNN目标检测算法。在本次任务里，我们可以体验一下。
模型详细介绍见《Faster RCNN模型简介》
一、准备数据
有很多开源的数据集可以用来进行目标检测任务的训练，如COCO数据集，PASCAL VOC数据集，BDD100K等，可以根据不同的需求和偏好进行选择。在获得数据集之后，需要对数据进行格式统一，然后便可以进行训练了。
本案例中使用的是PASCAL VOC2007，数据下载地址如下，点击即开始下载：
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
（建议使用迅雷下载数据集，我的浏览器无法下载。）
本案例只需要解压Annotations（标注数据） 和 JPEGImages（图像数据）这两个文件夹中的文件，并将其放入到同一个文件夹中（如：VOC2007），如下图所示：
然后将此文件夹上传到obs桶中（使用OBS客户端上传文件夹至OBS的指导见本文档），这里得很久，因为有1万多条数据，有一个小技巧，客户端点设置，把最大并发数改成50会快很多，不过要时不时注意上传失败的问题，点击重新上传即可。
二、创建训练任务
首先，点击进入华为云ModelArts平台，依次点击 训练管理，训练作业，创建。
然后根据需求进行作业参数定义，注意红圈部分，其他默认即可，可以选择填写日志保存目录，无误后点击下一步并进行提交，训练过程大概为40分钟：
三、查看训练情况
等待过程中可以 查看日志 和 创建可视化作业(TensorBoard)，如下图所示：
若创建可视化作业，配置这块直接点击下一步、提交即可：
在可视化作业列表等待初始化，当状态变为运行中时，可点击名称查看
可视化如下图，不看了记得回去停止
37分钟后训练完成
四、导入模型
依次点击 模型管理，模型，导入：
配置界面全部默认即可，注意红圈是否是刚才的训练作业，然后点击立即创建，等待模型构建完成：
大约5分钟后模型构建成功
五、部署服务
依次点击 部署上线，在线服务，部署：
配置默认即可，注意红圈部分，然后下一步，提交，等待部署完成：
大约5分钟部署完毕，然后点击预测：
随便上传一张主体比较明显的图片都可：
到此，实战结束，如果觉得本文对您有帮助请点个赞支持我呦！(●’◡’●)