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!
<更多推荐
Faster Rcnn end2end训练流程(txt格式标签)
发布评论