既然faster-rcnn原版發表時候是matlab版程式碼，那就用matlab版程式碼吧！不過遇到的坑挺多的，不知道python版會不會好一點。

======= update =========
總體上包括這些步驟，請注意檢查：
1 獲取資料；（標準資料集/比賽資料/自行收集資料）
2 整理圖片名和標註資訊格式、指定訓練集和測試集；（轉voc格式，同時記得修改vocinit.m中類別資訊；或者自己修改程式碼中讀取資料的地方）
3 正確使用均值影象：手動算一個或用預設的減去128,別用錯
4 選擇網路與設定網路引數(solver和net)；（根據業務需求和視訊記憶體大小設定；修改網路中目標類別數量）
5 檢查batch_size；
6 檢查anchor；
7 清空cache目錄；
8 開始訓練；
9 確保電腦供電且不會休眠睡眠；
10 執行測試；整理測試結果
======= update =========

anyway，這裡記錄一下我遇到的幾個坑

這裡假設你已經配置好了faster-rcnn。我是在win10下配置的，顯示卡GTX 970，使用ZF網路。

0. 準備資料集

官方訓練時用的是voc2007系列資料，那就轉換成這個系列的好了，主要包括：0.下載資料集 1.整理圖片 2.xml格式的annotation檔案 3.txt格式指定訓練集、測試集、驗證集、訓練驗證集，以及每個類別各自的這四種檔案

0.0 下載資料集

看具體情況，比如做某個比賽，那就下載；如果是自己收集的資料集，那就統一放到一起

0.1 整理圖片

主要是圖片格式統一，比如都是png
以及，命名規範，比如統一是6位長度的數字：000001.png，並且序號是連續的
訓練圖片和測試圖片都放在一個JPEGImages

0.2 xml格式的annotation檔案

其實voc2007這種方式：為每張圖片編寫一個xml檔案，記錄圖片各種元資訊（作者、檔名、寬度高度深度、來源），以及bounding box座標資訊（左上、右下定點）等，很蛋疼啊，圖片多的話每次處理xml檔案讀寫I/O就增大了。anyway，遵守標準的好處是省的自己造各種工具。

這裡貼一個例子好了，000001.xml:

<annotation>
    <folder>VOC2007</folder>
    <filename>000001.png</filename>
    <source>
        <database
 
>My Database</database>
        <annotation>VOC2007</annotation>
        <image>flickr</image>
        <flickrid>NULL</flickrid>
    </source>
    <owner>
        <flickrid>NULL</flickrid>
        <name>chriszz</name>
    </owner>
    <size>
        <width>1280</width>
        <height>720</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>369</xmin>
            <ymin>403</ymin>
            <xmax>409</xmax>
            <ymax>418</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>434</xmin>
            <ymin>375</ymin>
            <xmax>443</xmax>
            <ymax>401</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>461</xmin>
            <ymin>368</ymin>
            <xmax>471</xmax>
            <ymax>395</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>571</xmin>
            <ymin>473</ymin>
            <xmax>593</xmax>
            <ymax>490</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>674</xmin>
            <ymin>470</ymin>
            <xmax>683</xmax>
            <ymax>478</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>693</xmin>
            <ymin>471</ymin>
            <xmax>714</xmax>
            <ymax>480</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>976</xmin>
            <ymin>413</ymin>
            <xmax>998</xmax>
            <ymax>438</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>1004</xmin>
            <ymin>396</ymin>
            <xmax>1011</xmax>
            <ymax>410</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>1024</xmin>
            <ymin>388</ymin>
            <xmax>1031</xmax>
            <ymax>405</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>1046</xmin>
            <ymin>388</ymin>
            <xmax>1071</xmax>
            <ymax>406</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>1114</xmin>
            <ymin>390</ymin>
            <xmax>1143</xmax>
            <ymax>410</ymax>
        </bndbox>
    </object>
    <object>
        <name>sign</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>913</xmin>
            <ymin>431</ymin>
            <xmax>928</xmax>
            <ymax>458</ymax>
        </bndbox>
    </object>
</annotation>

記得所有xml檔案的檔名要和圖片序號一一對應：000001.xml對應000001.png
並且，所有xml檔案放到Annotations目錄中

0.3 txt檔案指定訓練集、測試集等

在ImageSets/Main目錄下儲存這些檔案。比如我的任務是檢測交通標識，只有一個類別需要檢測，或者說是二分類問題，只需要判斷一個bbox區域是否為交通標識（sign），那麼我建立sign對應的4個檔案；以及4個表示總體的訓練、驗證、訓練驗證、測試的txt檔案：

其中，sign_train、sign_test、sign_trainval、sign_val每行格式相同

圖片id(不帶字尾，不用全路徑） +1或-1（表示這張圖片中是否包含sign類別的區域）

對於我的情況，類別標籤都是+1

然後是train、val、trainval、test檔案，其中trainval是train和val的拼接。

這裡我是需要

1 修改faster-rcnn的幾個程式碼細節

1.0 experiments\script_faster_rcnn_VOC2007_ZF.m第30、31行

這裡預設居然是用select search生成region proposal，我也是醉了。
改成：

dataset                     = Dataset.voc2007_trainval(dataset, 'train', use_flipped);
dataset                     = Dataset.voc2007_test(dataset, 'test', false);

1.1 experiments\+Dataset\voc2007_test.m第11行、第14行，test改成val

這個真的是太坑了，在這裡我卡了大半天。為什麼會卡在這個地方，然後程式一直執行出錯呢？以及，程式出錯大概如下：

錯誤使用 proposal_prepare_image_roidb>scale_rois (line 110) 兩個輸入陣列的單一維度必須相互匹配，...

設斷點debug後發現，roidb_train裡各種欄位都有值（比如gt、座標、閾值、類別等）；而roidb_val裡面是空的。
實際上是在experiments\+Faster_RCNN_Train\do_proposal_train.m裡面，把dataset.roidb_test賦值給roidb_val了：

function model_stage = do_proposal_train(conf, dataset, model_stage, do_val)
    if ~do_val
        dataset.imdb_test = struct();
        dataset.roidb_test = struct();
    end

    model_stage.output_model_file = proposal_train(conf, dataset.imdb_train, dataset.roidb_train, ...
                                    'do_val',           do_val, ...
                                    'imdb_val',         dataset.imdb_test, ...
                                    'roidb_val',        dataset.roidb_test, ...   # 尼瑪，在這裡賦值了
                                    'solver_def_file',  model_stage.solver_def_file, ...
                                    'net_file',         model_stage.init_net_file, ...
                                    'cache_name',       model_stage.cache_name);
end

問題就是在這裡了，不多說。那麼接下來就是把experiments\+Dataset\voc2007_test.m第11行、第14行，test改成val，保證以後在imdb\cache目錄下有val的mat資料存在，roidb_val也不會說裡面內容都為空的了。

2 修改網路引數

看到下面這張圖應該知道要改那幾個檔案了：

具體可以參考小鹹魚的faster-rcnn matlab版的配置