一、ChainerCV

        ChainerCV，一個用於計算機視覺的深度學習實用庫。這個庫旨在通過 Chainer 簡易化計算機視覺的訓練和深度學習模型應用的過程。它包含計算機視覺模型的高質量實現，以及開展計算機視覺研究的必備工具集。當前，ChainerCV 提供了目標檢測和語義分割模型（Faster R-CNN、SSD 和 SegNet）的實現。

        https://github.com/chainer/chainercv

二、修改原始程式碼

        1，chainercv/datasets/voc/voc_utils.py中

（1）更改voc_bbox_label_names，改為自己資料庫的類標；增加oc_semantic_segmentation_label_colors，和類標相對應

        2，chainercv/datasets/voc/voc_bbox_dataset.py中，

（1）第8行from chainercv.datasets.voc import voc_utils 改為 import voc_utils；

（2）在get_example中，將obj.find('name').text.lower().strip()改為obj.find('name').text.strip()，因為.lower()為把所有的namee變為小寫，而我們的資料集的label name是區分大小寫的

        3，examples/faster_rcnn/train.py中，

(1)檔案開頭加入 import sys，sys.path.append(r'/home/wang/Development/chainercv/chainercv/datasets/voc')；並將

       from chainercv.datasets import voc_bbox_label_names

       from chainercv.datasets import VOCBboxDataset

改為from voc_utils import voc_bbox_label_names

       from voc_bbox_dataset import VOCBboxDataset

這樣匯入的label name為我們修改後的，而不是原始VOC的；

(2)並在main()中

train_data = VOCBboxDataset(split='trainval', year='2007')加入路徑變為

train_data = VOCBboxDataset('/home/wang/Development/VOCdevkit2007/VOC2007',split='trainval', year='2007')，

同樣的test_data = VOCBboxDataset(data_dir='/home/wang/Development/VOCdevkit2007/VOC2007',split='test', year='2007',use_difficult=True, return_difficult=True);

這裡最重要，加了自己資料庫的路徑後，就直接匯入自己的資料庫，若沒有路徑，會在VOC連結下載VOC資料庫，就會導致錯誤。

         4，examples/faster_rcnn/demo.py中，

(1) 檔案開頭加入 import sys，sys.path.append(r'/home/wang/Development/chainercv/chainercv/datasets/voc')；

(2) 並將 from chainercv.datasets import voc_bbox_label_names 改為 from voc_utils import voc_bbox_label_names。和train的原因一樣

三，訓練 

python train.py --iteration 70000  --gpu 0

四，測試

python demo.py --gpu 1 --pretrained_model /home/wang/Development/chainercv/examples/faster_rcnn/result/snapshot_model.npz /home/wang/Development/VOCdevkit2007/VOC2007/JPEGImages/000102.jpg

注：在換了電腦後訓練和測試出現問題

這是因為版本不相容導致GPU出問題，用命令sudo pip install cupy==2.0.0將cupy降為2.0.0，問題解決。此時版本資訊為：