python - 在自定义数据集上训练更快的 RCNN

Question

我正在尝试运行 Py-Faster-RCNN 来解决 2 类问题，比如 obj1 和 obj2。

1. 我已将数据存储为 Pascal 格式。
2. 我还将 caffe 定义的最后一层中的输出数量更改为 3(即 2 + BG)和 12(4 * 3)。
3. 由于某些原因，我无法使用预训练模型。

现在，我想为上述两个类从头开始训练 caffe 模型。所以，我的问题是；如果我运行以下命令，

./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(或者，我的想法)工作，即 obj1 和 obj2 的对象分类和本地化。或者，还有其他事情正在发生？因为，对于我通过运行 10000 次迭代获得的模型，我的 AP 值非常低(obj1 = 0.042；obj2 = 0.006)。

Answer 1

如果您以 PASCAL 格式为 obj1 和 obj2 类安排数据，那么您正在正确运行训练代码。

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 设置以供引用。