在自定义数据集上训练更快的 RCNN
Train Faster RCNN on Custom Dataset
我正尝试 运行 Py-Faster-RCNN 解决 2 class 问题，比如 obj1 和 obj2。
- 我已将数据存储为 Pascal 格式。
- 我还将 caffe 定义的最后一层的输出数量更改为 3（即 2 + BG）和 12（4 * 3）。
- 由于某些原因，我无法使用预训练模型。
现在，我希望从头开始为上述两个 class 训练 caffe 模型。所以，我的问题是；如果我 运行ning 以下命令，
./tools/train_net.py --gpu 0 --imdb voc_2007_trainval --cfg experiments/cfgs/config.yml --solver models/pascal_voc/ZF/faster_rcnn_end2end/solver.prototxt --iter 10000
它是否按照我的要求（或我的想法）工作，即 obj1 和 obj2 的对象 class 化和本地化。或者，还有其他事情正在发生？因为，对于我通过 运行 迭代 10000 次获得的模型，我的 AP 值非常低（obj1 = 0.042；obj2 = 0.006）。
如果您以 PASCAL 格式为 obj1 和 obj2 类 安排了数据，那么您是正确的 运行 训练代码。
我假设您在创建提到训练和测试样本的文本文件时特别小心。请参阅 PASCAL 设置以供参考。
我正尝试 运行 Py-Faster-RCNN 解决 2 class 问题，比如 obj1 和 obj2。
- 我已将数据存储为 Pascal 格式。
- 我还将 caffe 定义的最后一层的输出数量更改为 3（即 2 + BG）和 12（4 * 3）。
- 由于某些原因，我无法使用预训练模型。
现在，我希望从头开始为上述两个 class 训练 caffe 模型。所以，我的问题是；如果我 运行ning 以下命令，
./tools/train_net.py --gpu 0 --imdb voc_2007_trainval --cfg experiments/cfgs/config.yml --solver models/pascal_voc/ZF/faster_rcnn_end2end/solver.prototxt --iter 10000
它是否按照我的要求（或我的想法）工作，即 obj1 和 obj2 的对象 class 化和本地化。或者，还有其他事情正在发生？因为，对于我通过 运行 迭代 10000 次获得的模型，我的 AP 值非常低（obj1 = 0.042；obj2 = 0.006）。
如果您以 PASCAL 格式为 obj1 和 obj2 类 安排了数据，那么您是正确的 运行 训练代码。
我假设您在创建提到训练和测试样本的文本文件时特别小心。请参阅 PASCAL 设置以供参考。