pvanet 訓練自定義資料
阿新 • • 發佈:2019-01-13
編譯方法
- 到lib目錄下執行
make
- caffe-fast-rcnn目錄下執行
cp Makefile.config.example Makefile.config
#編輯Makefile.config內容,啟動WITH_PYTHON_LAYER := 1
make -j8 && make pycaffe
訓練指令碼
假設處理的目標是pascal_voc_object (object是關鍵字)
-
models/pascal_voc_object/目錄中放置train.prototxt, solver.prototxt, test.prototxt
網路定義 -
models/pvanet/cfgs/pascal_voc_object/train.yml
pva特有的引數 -
data/pascal_voc_object/lit_pva_pretrained.caffemodel
預訓練模型
部署資料集
- 定義資料集
編輯lib/datasets/factory.py
for year in ['object']: for split in ['train', 'val', 'trainval', 'test']: name = 'voc_{}_{}'.format(year, split) __sets[name] = (lambda split=split, year=year: pascal_voc(split, year))
- 修改lib/datasets/pascal_voc.py
修改類別名字列表,注意類別名字必須和xml中一致! - 按照voc格式組織資料,放置在如下目錄
data/VOCdevkitobject/VOCobject/ - 訓練
python ./tools/train_net.py --gpu 0 --solver models/pascal_voc_object/solver.prototxt --iters 10000 --cfg=models/pvanet/cfgs/pascal_voc_object/train.yml --imdb voc_object_trainval --weights data/pascal_voc_object/lite_pva_pretrained.caffemodel
備註
data/cache: 這裡有些cache資料,更新資料集後,最好把這個目錄裡的pkl刪除