win10 caffe python Faster-RCNN训练自己数据集(转)

一、制作数据集

1. 关于训练的图片

不论你是网上找的图片或者你用别人的数据集，记住一点你的图片不能太小，width和height最好不要小于150。需要是jpeg的图片。

2.制作xml文件

1）LabelImg

如果你的数据集比较小的话，你可以考虑用LabelImg手工打框https://github.com/tzutalin/labelImg。关于labelimg的具体使用方法我在这就不详细说明了，大家可以去网上找一下。labelimg生成的xml直接就能给frcnn训练使用。

2）自己制作xml

如果你的数据集比较小的话，你还可以考虑用上面的方法手工打框。如果你的数据集有1w+你就可以考虑自动生成xml文件。网上有些资料基本用的是matlab坐标生成xml。我给出一段python的生成xml的代码

1. <span style="font-size:14px;">
2. def write_xml(bbox,w,h,iter):
3. '''''
4. bbox为你保存的当前图片的类别的信息和对应坐标的dict
5. w,h为你当前保存图片的width和height
6. iter为你图片的序号
7. '''
8. root=Element("annotation")
9. folder=SubElement(root,"folder")#1
10. folder.text="JPEGImages"
11. filename=SubElement(root,"filename")#1
12. filename.text=iter
13. path=SubElement(root,"path")#1
14. path.text='D:\\py-faster-rcnn\\data\\VOCdevkit2007\\VOC2007\\JPEGImages'+'\\'+iter+'.jpg'#把这个路径改为你的路径就行
15. source=SubElement(root,"source")#1
16. database=SubElement(source,"database")#2
17. database.text="Unknown"
18. size=SubElement(root,"size")#1
19. width=SubElement(size,"width")#2
20. height=SubElement(size,"height")#2
21. depth=SubElement(size,"depth")#2
22. width.text=str(w)
23. height.text=str(h)
24. depth.text='3'
25. segmented=SubElement(root,"segmented")#1
26. segmented.text='0'
27. for i in bbox:
28. object=SubElement(root,"object")#1
29. name=SubElement(object,"name")#2
30. name.text=i['cls']
31. pose=SubElement(object,"pose")#2
32. pose.text="Unspecified"
33. truncated=SubElement(object,"truncated")#2
34. truncated.text='0'
35. difficult=SubElement(object,"difficult")#2
36. difficult.text='0'
37. bndbox=SubElement(object,"bndbox")#2
38. xmin=SubElement(bndbox,"xmin")#3
39. ymin=SubElement(bndbox,"ymin")#3
40. xmax=SubElement(bndbox,"xmax")#3
41. ymax=SubElement(bndbox,"ymax")#3
42. xmin.text=str(i['xmin'])
43. ymin.text=str(i['ymin'])
44. xmax.text=str(i['xmax'])
45. ymax.text=str(i['ymax'])
46. xml=tostring(root,pretty_print=True)
47. file=open('D:/py-faster-rcnn/data/VOCdevkit2007/VOC2007/Annotations/'+iter+'.xml','w+')#这里的路径也改为你自己的路径
48. file.write(xml)</span>

def write_xml(bbox,w,h,iter):
    '''
    bbox为你保存的当前图片的类别的信息和对应坐标的dict
    w,h为你当前保存图片的width和height
    iter为你图片的序号
    '''
    root=Element("annotation")
    folder=SubElement(root,"folder")#1
    folder.text="JPEGImages"
    filename=SubElement(root,"filename")#1
    filename.text=iter
    path=SubElement(root,"path")#1
    path.text='D:\\py-faster-rcnn\\data\\VOCdevkit2007\\VOC2007\\JPEGImages'+'\\'+iter+'.jpg'#把这个路径改为你的路径就行
    source=SubElement(root,"source")#1
    database=SubElement(source,"database")#2
    database.text="Unknown"
    size=SubElement(root,"size")#1
    width=SubElement(size,"width")#2
    height=SubElement(size,"height")#2
    depth=SubElement(size,"depth")#2
    width.text=str(w)
    height.text=str(h)
    depth.text='3'
    segmented=SubElement(root,"segmented")#1
    segmented.text='0'
    for i in bbox:
        object=SubElement(root,"object")#1
        name=SubElement(object,"name")#2
        name.text=i['cls']
        pose=SubElement(object,"pose")#2
        pose.text="Unspecified"
        truncated=SubElement(object,"truncated")#2
        truncated.text='0'
        difficult=SubElement(object,"difficult")#2
        difficult.text='0'
        bndbox=SubElement(object,"bndbox")#2
        xmin=SubElement(bndbox,"xmin")#3
        ymin=SubElement(bndbox,"ymin")#3
        xmax=SubElement(bndbox,"xmax")#3
        ymax=SubElement(bndbox,"ymax")#3
        xmin.text=str(i['xmin'])
        ymin.text=str(i['ymin'])
        xmax.text=str(i['xmax'])
        ymax.text=str(i['ymax'])
    xml=tostring(root,pretty_print=True)
    file=open('D:/py-faster-rcnn/data/VOCdevkit2007/VOC2007/Annotations/'+iter+'.xml','w+')#这里的路径也改为你自己的路径
    file.write(xml)

3.制作训练、测试、验证集

这个网上可以参考的资料比较多，我直接copy一个小咸鱼的用matlab的代码

我建议train和trainval的部分占得比例可以更大一点

1. <span style="font-size:14px;">%%
2. %该代码根据已生成的xml，制作VOC2007数据集中的trainval.txt;train.txt;test.txt和val.txt
3. %trainval占总数据集的50%，test占总数据集的50%；train占trainval的50%，val占trainval的50%；
4. %上面所占百分比可根据自己的数据集修改，如果数据集比较少，test和val可少一些
5. %%
6. %注意修改下面四个值
7. xmlfilepath='E:\Annotations';
8. txtsavepath='E:\ImageSets\Main\';
9. trainval_percent=0.5;%trainval占整个数据集的百分比，剩下部分就是test所占百分比
10. train_percent=0.5;%train占trainval的百分比，剩下部分就是val所占百分比
11. %%
12. xmlfile=dir(xmlfilepath);
13. numOfxml=length(xmlfile)-2;%减去.和..  总的数据集大小
14. trainval=sort(randperm(numOfxml,floor(numOfxml*trainval_percent)));
15. test=sort(setdiff(1:numOfxml,trainval));
16. trainvalsize=length(trainval);%trainval的大小
17. train=sort(trainval(randperm(trainvalsize,floor(trainvalsize*train_percent))));
18. val=sort(setdiff(trainval,train));
19. ftrainval=fopen([txtsavepath 'trainval.txt'],'w');
20. ftest=fopen([txtsavepath 'test.txt'],'w');
21. ftrain=fopen([txtsavepath 'train.txt'],'w');
22. fval=fopen([txtsavepath 'val.txt'],'w');
23. for i=1:numOfxml
24. if ismember(i,trainval)
25. fprintf(ftrainval,'%s\n',xmlfile(i+2).name(1:end-4));
26. if ismember(i,train)
27. fprintf(ftrain,'%s\n',xmlfile(i+2).name(1:end-4));
28. else
29. fprintf(fval,'%s\n',xmlfile(i+2).name(1:end-4));
30. end
31. else
32. fprintf(ftest,'%s\n',xmlfile(i+2).name(1:end-4));
33. end
34. end
35. fclose(ftrainval);
36. fclose(ftrain);
37. fclose(fval);
38. fclose(ftest);</span>

%%
%该代码根据已生成的xml，制作VOC2007数据集中的trainval.txt;train.txt;test.txt和val.txt
%trainval占总数据集的50%，test占总数据集的50%；train占trainval的50%，val占trainval的50%；
%上面所占百分比可根据自己的数据集修改，如果数据集比较少，test和val可少一些
%%
%注意修改下面四个值
xmlfilepath='E:\Annotations';
txtsavepath='E:\ImageSets\Main\';
trainval_percent=0.5;%trainval占整个数据集的百分比，剩下部分就是test所占百分比
train_percent=0.5;%train占trainval的百分比，剩下部分就是val所占百分比  

%%
xmlfile=dir(xmlfilepath);
numOfxml=length(xmlfile)-2;%减去.和..  总的数据集大小  

trainval=sort(randperm(numOfxml,floor(numOfxml*trainval_percent)));
test=sort(setdiff(1:numOfxml,trainval));  

trainvalsize=length(trainval);%trainval的大小
train=sort(trainval(randperm(trainvalsize,floor(trainvalsize*train_percent))));
val=sort(setdiff(trainval,train));  

ftrainval=fopen([txtsavepath 'trainval.txt'],'w');
ftest=fopen([txtsavepath 'test.txt'],'w');
ftrain=fopen([txtsavepath 'train.txt'],'w');
fval=fopen([txtsavepath 'val.txt'],'w');  

for i=1:numOfxml
    if ismember(i,trainval)
        fprintf(ftrainval,'%s\n',xmlfile(i+2).name(1:end-4));
        if ismember(i,train)
            fprintf(ftrain,'%s\n',xmlfile(i+2).name(1:end-4));
        else
            fprintf(fval,'%s\n',xmlfile(i+2).name(1:end-4));
        end
    else
        fprintf(ftest,'%s\n',xmlfile(i+2).name(1:end-4));
    end
end
fclose(ftrainval);
fclose(ftrain);
fclose(fval);
fclose(ftest);

4.文件保存路径

jpg，txt，xml分别保存到data\VOCdevkit2007\VOC2007\下的JPEGImages、ImageSets\Main、Annotations文件夹

二、根据自己的数据集修改文件

1.模型配置文件

我用end2end的方式训练，这里我用vgg_cnn_m_1024为例说明。所以我们先打开models\pascal_voc\VGG_CNN_M_1024\faster_rcnn_end2end\train.prototxt，有4处需要修改

1. <span style="font-size:14px;">layer {
2. name: 'input-data'
3. type: 'Python'
4. top: 'data'
5. top: 'im_info'
6. top: 'gt_boxes'
7. python_param {
8. module: 'roi_data_layer.layer'
9. layer: 'RoIDataLayer'
10. param_str: "'num_classes': 3" #这里改为你训练类别数+1
11. }
12. }</span>

layer {
  name: 'input-data'
  type: 'Python'
  top: 'data'
  top: 'im_info'
  top: 'gt_boxes'
  python_param {
    module: 'roi_data_layer.layer'
    layer: 'RoIDataLayer'
    param_str: "'num_classes': 3" #这里改为你训练类别数+1
  }
}

1. <span style="font-size:14px;">layer {
2. name: 'roi-data'
3. type: 'Python'
4. bottom: 'rpn_rois'
5. bottom: 'gt_boxes'
6. top: 'rois'
7. top: 'labels'
8. top: 'bbox_targets'
9. top: 'bbox_inside_weights'
10. top: 'bbox_outside_weights'
11. python_param {
12. module: 'rpn.proposal_target_layer'
13. layer: 'ProposalTargetLayer'
14. param_str: "'num_classes': 3" #这里改为你训练类别数+1
15. }
16. }</span>

layer {
  name: 'roi-data'
  type: 'Python'
  bottom: 'rpn_rois'
  bottom: 'gt_boxes'
  top: 'rois'
  top: 'labels'
  top: 'bbox_targets'
  top: 'bbox_inside_weights'
  top: 'bbox_outside_weights'
  python_param {
    module: 'rpn.proposal_target_layer'
    layer: 'ProposalTargetLayer'
    param_str: "'num_classes': 3" #这里改为你训练类别数+1
  }
}

1. <span style="font-size:14px;">layer {
2. name: "cls_score"
3. type: "InnerProduct"
4. bottom: "fc7"
5. top: "cls_score"
6. param {
7. lr_mult: 1
8. }
9. param {
10. lr_mult: 2
11. }
12. inner_product_param {
13. num_output: 3  #这里改为你训练类别数+1
14. weight_filler {
15. type: "gaussian"
16. std: 0.01
17. }
18. bias_filler {
19. type: "constant"
20. value: 0
21. }
22. }
23. }
24. layer {
25. name: "bbox_pred"
26. type: "InnerProduct"
27. bottom: "fc7"
28. top: "bbox_pred"
29. param {
30. lr_mult: 1
31. }
32. param {
33. lr_mult: 2
34. }
35. inner_product_param {
36. num_output: 12  #这里改为你的（类别数+1）*4
37. weight_filler {
38. type: "gaussian"
39. std: 0.001
40. }
41. bias_filler {
42. type: "constant"
43. value: 0
44. }
45. }
46. }</span>

layer {
  name: "cls_score"
  type: "InnerProduct"
  bottom: "fc7"
  top: "cls_score"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 3  #这里改为你训练类别数+1
    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}
layer {
  name: "bbox_pred"
  type: "InnerProduct"
  bottom: "fc7"
  top: "bbox_pred"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 12  #这里改为你的（类别数+1）*4
    weight_filler {
      type: "gaussian"
      std: 0.001
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}

然后我们修改models\pascal_voc\VGG_CNN_M_1024\faster_rcnn_end2end\test.prototxt。

1. <span style="font-size:14px;">layer {
2. name: "relu7"
3. type: "ReLU"
4. bottom: "fc7"
5. top: "fc7"
6. }
7. layer {
8. name: "cls_score"
9. type: "InnerProduct"
10. bottom: "fc7"
11. top: "cls_score"
12. param {
13. lr_mult: 1
14. decay_mult: 1
15. }
16. param {
17. lr_mult: 2
18. decay_mult: 0
19. }
20. inner_product_param {
21. num_output: 3 </span><span style="font-size:14px;"> #这里改为你训练类别数+1</span><span style="font-size:14px;">
22. </span><span style="font-size:14px;"></span>

layer {
  name: "relu7"
  type: "ReLU"
  bottom: "fc7"
  top: "fc7"
}
layer {
  name: "cls_score"
  type: "InnerProduct"
  bottom: "fc7"
  top: "cls_score"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  param {
    lr_mult: 2
    decay_mult: 0
  }
  inner_product_param {
    num_output: 3  #这里改为你训练类别数+1

1. <span style="font-size:14px;">    weight_filler {
2. type: "gaussian"
3. std: 0.01
4. }
5. bias_filler {
6. type: "constant"
7. value: 0
8. }
9. }
10. }
11. layer {
12. name: "bbox_pred"
13. type: "InnerProduct"
14. bottom: "fc7"
15. top: "bbox_pred"
16. param {
17. lr_mult: 1
18. decay_mult: 1
19. }
20. param {
21. lr_mult: 2
22. decay_mult: 0
23. }
24. inner_product_param {
25. num_output: 12 </span><span style="font-size:14px;"> #这里改为你的（类别数+1）*4</span><span style="font-size:14px;">
26. </span>

    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}
layer {
  name: "bbox_pred"
  type: "InnerProduct"
  bottom: "fc7"
  top: "bbox_pred"
  param {
    lr_mult: 1
    decay_mult: 1
  }
  param {
    lr_mult: 2
    decay_mult: 0
  }
  inner_product_param {
    num_output: 12  #这里改为你的（类别数+1）*4

1. <span style="font-size:14px;">    weight_filler {
2. type: "gaussian"
3. std: 0.001
4. }
5. bias_filler {
6. type: "constant"
7. value: 0
8. }
9. }
10. }</span>

    weight_filler {
      type: "gaussian"
      std: 0.001
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}

另外在 solver里可以调训练的学习率等参数，在这篇文章里不做说明

==================以下修改lib中的文件==================

2.修改imdb.py

1. <span style="font-size:14px;">    def append_flipped_images(self):
2. num_images = self.num_images
3. widths = [PIL.Image.open(self.image_path_at(i)).size[0]
4. for i in xrange(num_images)]
5. for i in xrange(num_images):
6. boxes = self.roidb[i]['boxes'].copy()
7. oldx1 = boxes[:, 0].copy()
8. oldx2 = boxes[:, 2].copy()
9. boxes[:, 0] = widths[i] - oldx2 - 1
10. boxes[:, 2] = widths[i] - oldx1 - 1
11. for b in range(len(boxes)):
12. if boxes[b][2]< boxes[b][0]:
13. boxes[b][0] = 0
14. assert (boxes[:, 2] >= boxes[:, 0]).all()
15. entry = {'boxes' : boxes,
16. 'gt_overlaps' : self.roidb[i]['gt_overlaps'],
17. 'gt_classes' : self.roidb[i]['gt_classes'],
18. 'flipped' : True}
19. self.roidb.append(entry)
20. self._image_index = self._image_index * 2 </span>

    def append_flipped_images(self):
        num_images = self.num_images
        widths = [PIL.Image.open(self.image_path_at(i)).size[0]
                  for i in xrange(num_images)]
        for i in xrange(num_images):
            boxes = self.roidb[i]['boxes'].copy()
            oldx1 = boxes[:, 0].copy()
            oldx2 = boxes[:, 2].copy()
            boxes[:, 0] = widths[i] - oldx2 - 1
            boxes[:, 2] = widths[i] - oldx1 - 1
            for b in range(len(boxes)):
                if boxes[b][2]< boxes[b][0]:
                    boxes[b][0] = 0
            assert (boxes[:, 2] >= boxes[:, 0]).all()
            entry = {'boxes' : boxes,
                     'gt_overlaps' : self.roidb[i]['gt_overlaps'],
                     'gt_classes' : self.roidb[i]['gt_classes'],
                     'flipped' : True}
            self.roidb.append(entry)
        self._image_index = self._image_index * 2 

找到这个函数，并修改为如上

3、修改rpn层的5个文件

在如下目录下，将文件中param_str_全部改为param_str

4、修改config.py

将训练和测试的proposals改为gt

1. <span style="font-size:14px;"># Train using these proposals
2. __C.TRAIN.PROPOSAL_METHOD = 'gt'
3. # Test using these proposals
4. __C.TEST.PROPOSAL_METHOD = 'gt</span>

# Train using these proposals
__C.TRAIN.PROPOSAL_METHOD = 'gt'
# Test using these proposals
__C.TEST.PROPOSAL_METHOD = 'gt

5、修改pascal_voc.py

因为我们使用VOC来训练，所以这个是我们主要修改的训练的文件。

1. <span style="font-size:14px;"> def __init__(self, image_set, year, devkit_path=None):
2. imdb.__init__(self, 'voc_' + year + '_' + image_set)
3. self._year = year
4. self._image_set = image_set
5. self._devkit_path = self._get_default_path() if devkit_path is None \
6. else devkit_path
7. self._data_path = os.path.join(self._devkit_path, 'VOC' + self._year)
8. self._classes = ('__background__', # always index 0
9. 'cn-character','seal')
10. self._class_to_ind = dict(zip(self.classes, xrange(self.num_classes)))
11. self._image_ext = '.jpg'
12. self._image_index = self._load_image_set_index()
13. # Default to roidb handler
14. self._roidb_handler = self.selective_search_roidb
15. self._salt = str(uuid.uuid4())
16. self._comp_id = 'comp4'</span>

 def __init__(self, image_set, year, devkit_path=None):
        imdb.__init__(self, 'voc_' + year + '_' + image_set)
        self._year = year
        self._image_set = image_set
        self._devkit_path = self._get_default_path() if devkit_path is None \
                            else devkit_path
        self._data_path = os.path.join(self._devkit_path, 'VOC' + self._year)
        self._classes = ('__background__', # always index 0
                            'cn-character','seal')
        self._class_to_ind = dict(zip(self.classes, xrange(self.num_classes)))
        self._image_ext = '.jpg'
        self._image_index = self._load_image_set_index()
        # Default to roidb handler
        self._roidb_handler = self.selective_search_roidb
        self._salt = str(uuid.uuid4())
        self._comp_id = 'comp4'

在self.classes这里，'__background__'使我们的背景类，不要动他。下面的改为你自己标签的内容。

修改以下2段内容。否则你的test部分一定会出问题。

1. def _get_voc_results_file_template(self):
2. # VOCdevkit/results/VOC2007/Main/<comp_id>_det_test_aeroplane.txt
3. filename = self._get_comp_id() + '_det_' + self._image_set + '_{:s}.txt'
4. path = os.path.join(
5. self._devkit_path,
6. 'VOC' + self._year,
7. ImageSets,
8. 'Main',
9. '{}' + '_test.txt')
10. return path

 def _get_voc_results_file_template(self):
        # VOCdevkit/results/VOC2007/Main/<comp_id>_det_test_aeroplane.txt
        filename = self._get_comp_id() + '_det_' + self._image_set + '_{:s}.txt'
        path = os.path.join(
            self._devkit_path,
            'VOC' + self._year,
			ImageSets,
            'Main',
            '{}' + '_test.txt')
        return path

1. def _write_voc_results_file(self, all_boxes):
2. for cls_ind, cls in enumerate(self.classes):
3. if cls == '__background__':
4. continue
5. print 'Writing {} VOC results file'.format(cls)
6. filename = self._get_voc_results_file_template().format(cls)
7. with open(filename, 'w+') as f:
8. for im_ind, index in enumerate(self.image_index):
9. dets = all_boxes[cls_ind][im_ind]
10. if dets == []:
11. continue
12. # the VOCdevkit expects 1-based indices
13. for k in xrange(dets.shape[0]):
14. f.write('{:s} {:.3f} {:.1f} {:.1f} {:.1f} {:.1f}\n'.
15. format(index, dets[k, -1],
16. dets[k, 0] + 1, dets[k, 1] + 1,
17. dets[k, 2] + 1, dets[k, 3] + 1))

 def _write_voc_results_file(self, all_boxes):
        for cls_ind, cls in enumerate(self.classes):
            if cls == '__background__':
                continue
            print 'Writing {} VOC results file'.format(cls)
            filename = self._get_voc_results_file_template().format(cls)
            with open(filename, 'w+') as f:
                for im_ind, index in enumerate(self.image_index):
                    dets = all_boxes[cls_ind][im_ind]
                    if dets == []:
                        continue
                    # the VOCdevkit expects 1-based indices
                    for k in xrange(dets.shape[0]):
                        f.write('{:s} {:.3f} {:.1f} {:.1f} {:.1f} {:.1f}\n'.
                                format(index, dets[k, -1],
                                       dets[k, 0] + 1, dets[k, 1] + 1,
                                       dets[k, 2] + 1, dets[k, 3] + 1))

三、end2end训练

1、删除缓存文件

每次训练前将data\cache 和 data\VOCdevkit2007\annotations_cache中的文件删除。

2、开始训练

在py-faster-rcnn的根目录下打开git bash输入

1. <span style="font-size:18px;">./experiments/scripts/faster_rcnn_end2end.sh 0 VGG_CNN_M_1024 pascal_voc</span>

./experiments/scripts/faster_rcnn_end2end.sh 0 VGG_CNN_M_1024 pascal_voc

当然你可以去experiments\scripts\faster_rcnn_end2end.sh中调自己的训练的一些参数，也可以中VGG16、ZF模型去训练。我这里就用默认给的参数说明。

出现了这种东西的话，那就是训练成功了。用vgg1024的话还是很快的，还是要看你的配置，我用1080ti的话也就85min左右。我就没有让他训练结束了。

四、测试

训练完成之后，将output中的最终模型拷贝到data/faster_rcnn_models，修改tools下的demo.py，我是使用VGG_CNN_M_1024这个中型网络，不是默认的ZF，所以要改的地方挺多
1. 修改class

1 2 3 4 5 6 7 8 9 10 11 12

CLASSES = ('__background__', 'Blouse', 'Sweatpants', 'Cardigan', 'Button-Down', 'Cutoffs', 'Chinos', 'Top', 'Anorak', 'Kimono', 'Tank', 'Robe', 'Parka', 'Jodhpurs', 'Halter', 'Shorts', 'Caftan','Turtleneck', 'Leggings', 'Joggers', 'Hoodie', 'Culottes', 'Sweater', 'Flannel', 'Jeggings', 'Blazer', 'Onesie', 'Coat', 'Henley', 'Jacket', 'Trunks', 'Gauchos', 'Sweatshorts', 'Romper', 'Jersey', 'Bomber', 'Sarong', 'Dress','Jeans', 'Tee', 'Coverup', 'Capris', 'Kaftan','Peacoat', 'Poncho', 'Skirt', 'Jumpsuit')

2. 增加你自己训练的模型

1 2 3 4 5

NETS = {'vgg16': ('VGG16', 'VGG16_faster_rcnn_final.caffemodel'), 'zf': ('ZF', 'ZF_faster_rcnn_final.caffemodel'), 'myvgg1024':('VGG_CNN_M_1024','vgg_cnn_m_1024_faster_rcnn_iter_70000.caffemodel')}

3. 修改prototxt，如果你用的是ZF，就不用改了

1 2	prototxt = os.path.join(cfg.MODELS_DIR, NETS[args.demo_net][0], 'faster_rcnn_end2end', 'test.prototxt')

if __name__ == '__main__':
    cfg.TEST.HAS_RPN = True  # Use RPN for proposals

    args = parse_args()

    prototxt = os.path.join(cfg.MODELS_DIR, NETS[args.demo_net][0],
                            'faster_rcnn_end2end', 'test.prototxt')
    caffemodel = os.path.join(cfg.DATA_DIR, 'faster_rcnn_models',
                              NETS[args.demo_net][1])

    if not os.path.isfile(caffemodel):
        raise IOError(('{:s} not found.\nDid you run ./data/script/'
                       'fetch_faster_rcnn_models.sh?').format(caffemodel))

    if args.cpu_mode:
        caffe.set_mode_cpu()
    else:
        caffe.set_mode_gpu()
        caffe.set_device(args.gpu_id)
        cfg.GPU_ID = args.gpu_id
    net = caffe.Net(prototxt, caffemodel, caffe.TEST)

    print '\n\nLoaded network {:s}'.format(caffemodel)

    # Warmup on a dummy image
    im = 128 * np.ones((300, 500, 3), dtype=np.uint8)
    for i in xrange(2):
        _, _= im_detect(net, im)

    im_names = ['f1.jpg','f8.jpg','f7.jpg','f6.jpg','f5.jpg','f4.jpg','f3.jpg','f2.jpg',]
    for im_name in im_names:
        print '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
        print 'Demo for data/demo/{}'.format(im_name)
        demo(net, im_name)

    plt.show()

在这个部分，将你要测试的图片写在im_names里，并把图片放在data\demo这个文件夹下。

4. 开始检测
执行 ./tools/demo.py –net myvgg1024
假如不想那么麻烦输入参数，可以在demo的parse_args()里修改默认参数
parser.add_argument(‘–net’, dest=’demo_net’, help=’Network to use [myvgg1024]’,
choices=NETS.keys(), default=’myvgg1024’)
这样只需要输入 ./tools/demo.py 就可以了