caffe学习二：py-faster-rcnn配置运行faster_rcnn_end2end-VGG_CNN_M_1024 (Ubuntu16.04)

本文的主要目的是学习记录。

原文连接：https://blog.csdn.net/samylee/article/details/51099508

 

本博客中我将对py-faster-rcnn配置运行fastr_rcnn_end2end-VGG_CNN_M_1024作出具体操作说明。在此记录。

 

第一部分：下载数据test data and VOCdevkit

在终端分别输入：

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

(下载的是三个压缩包)

 

第二部分：解压生成文件夹 VOCdevkit

data下有文件夹命名为VOCdevkit,次文件夹中包含VOC2007和VOCcode （如第三部分所示）

就在data目录下输入下列命令解压，解压文件会自动跑到devkit这个文件夹，其中VOC2007会自动包含trainval和test这两个文件夹，

即终端输入：

tar xvf VOCtrainval_06-Nov-2007.tar

tar xvf VOCtest_06-Nov-2007.tar

tar xvf VOCdevkit_08-Jun-2007.tar

 

 

第三部分：文件夹包含目录

$VOCdevkit/                          #development kit

$VOCdevkit/VOCcode/         #VOC utility code

$VOCdevkit/VOC2007         #image sets, annotations, etc.

 

第四部分：建立链接

终端输入：

cd $FRCN_ROOT/data（其中$表示您py-faster-rcnn的目录位置）

sudo ln -s VOCdevkit VOCdevkit2007

 

第五部分：下载pre-trained ImageNet models

终端输入：

cd $FRCN_ROOT（其中$表示您py-faster-rcnn的目录位置）

./data/scripts/fetch_imagenet_models.sh

 

第六部分：训练测试如下：

cd $FRCN_ROOT（其中$表示您py-faster-rcnn的目录位置）

./experiments/scripts/faster_rcnn_end2end.sh 0 VGG_CNN_M_1024 pascal_voc \ --set EXP_DIR foobar RNG_SEED 42 TRAIN.SCALES "[400,500,600,700]"

 

(蓝色字表示参数设置，注意：(400,500,600,700)逗号后面不要有空格))

结果显示在py-faster-rcnn/output目录下生成foobar文件夹，其中包含voc_2007_test和voc_2007_trainval两个文件夹

 

 

(命令的格式为：./experiments/scripts/faster_rcnn_end2end.sh [GPU_ID] [NET] [--set ...])

 

./experiments/scripts/faster_rcnn_end2end.sh 0 ZF pascal_voc(使用近似联合训练：approximate joint training)

 

./experiments/scripts/faster_rcnn_alt_opt.sh 0 ZF pascal_voc(使用交替优化(alternating optimization)算法来训练和测试Faster R-CNN)