Faster Rcnn end2end训练流程（txt格式标签）

流程（txt格式标签）"/>

Faster Rcnn end2end训练流程（txt格式标签）

本人很水，以下流程也比较机械，有参考大佬的部分，奈何时间久远记不清了，侵删。求职季攒人品，把之前整理过的东西贴出来和大家分享，有不好的地方欢迎指出，共同进步。

1、 将数据集所有部分部署在data目录下，参照DOTA那块

2、 执行image_sets目录下的generate_set.py文件，得到随机分配的train和test的数据集。

3、 打开models目录，建立相应名称的子目录，用于存放不同模型，下面再存放alt-opt小目录和end2end小目录，下面再存放众prototxt文件。

4、 注意根据不同的网络（如resnet）更换prototxt文件（train和test）以及注意里面的参数。

5、 模仿lib/datasets/下的pascal_voc.py和DOTA/DOTA.py建立自己的类别模块，以及在factory.py中添加新数据集。

6、 models/DOTA/下存放相应的模型配置文件，打开相应的train.prototxt：

（1）、input-data层的num_classes: n (自己要训练的类别+1，1为背景类background)

（2）、roi-data层的num_classes:n

（3）、cls_score层的num_output:n

（4）、bbox_pred层的num_output : 4*n

注：rpn_cls_score层的输出是2*anchor数，注意一下！