DL开源框架Caffe | 目标检测Faster-rcnn训练自己数据问题整理

数据集制作

　　Pascal_voc数据集可以做目标检测，目标分割，识别等任务，本文主要针对目标检测的任务，因此只需要其中几个文件夹，也就是我们制作自己的数据集时只需按照这个仿造就可以。下面是VOC2007的数据集文件目录结构，我们只需要文件夹Annotations, ImageSets, JPEGImages, 其中JPEGImages中存放自己数据集的原始图像；Annotations中存放的是图像对应的XML文档；ImageSets中的Main中主要存放train.txt等文件。
　　　　　

第一步：图片命名，类VOC格式
　　
　　虽然说图片名对训练没什么影响，但建议还是按VOC2007那样，如“000005.jpg”这种形式。至于图片格式，代码里是写的jpg。
　　[Matlab代码链接]

第二步：标注软件

　　使用软件制作成XML格式文件，注意看VOC2007中的XML文件的形式以及内容，本文推荐3个软件标注。
　　
　　1.[window7标注软件]
　　
　　2.[LabelImg]

　　3.[Object_LabelImg]

　　上述第一个链接生成的不是XML文档，还需按照链接中生成；第二个链接是官方原版的LabelImg，但其多个版本都有一些小问题，最新的版本中生成的XML文档第一个是filename没有图像后缀格式，第二个是内容的缩进格式同VOC不一致；第三个链接生成的XML文件中没有解决图像后缀格式的问题，但是格式正确，解决问题的代码链接如下：　　

import xml.dom.minidom as xdmimport globpath = './Annotations/'items = glob.glob(path+'*.xml')train_txt = 'train.txt'for item in items:    dom = xdm.parse(item)    root = dom.documentElement    # change folder name    folder_dom = root.getElementsByTagName('folder')    print folder_dom[0].firstChild.data    folder_dom[0].firstChild.data = 'VOC2007'    # change image name    image_dom = root.getElementsByTagName('filename')    print image_dom[0].firstChild.data    with open(train_txt, 'a+') as f:        f.write(image_dom[0].firstChild.data)        f.write('\n')    image_dom[0].firstChild.data = image_dom[0].firstChild.data + '.jpg'    with open(item, 'w') as f:        dom.writexml(f, encoding='utf-8')

第三步：新建文件夹，命名为Annotations，将xml文件放到其中；
　　
　　注意标签中尽量都使用小写字母，若最终想显示中文名字：
　　[点击这里可以参考]

第四步：新建文件夹，为JPEGimages，将训练图片放到其中；

第五步：新建文件夹，ImageSets\Main里的四个txt文件；

　　上述两个步骤，参考博客[链接]

---

训练遇到问题

第一个问题：

pb2.text_format.Merge(f.read(), self.solver_param) AttributeError: ‘module’ object has no attribute ‘text_format’

原因： 这个问题是由于google的protobuf的问题，关于这个的版本要小心操作！

解决办法：先采用第一种方法，需要再lib/fast_rcnn/train.py中添加：

import google.protobuf.text_format

若上述方法无效，可能配置环境的过程中，protobuf的版本无意中发生改动：pip install protobuf==2.6.0

第二个问题：

TypeError: slice indices must be integers or None or have an index method

原因：这是由于numpy的版本太高，numpy 1.12.0对这个做了些调整，把numpy降级到1.11.0就行了。

解决：查看numpy版本并对其进行降级，代码如下

python --version  #查看python版本python -c "import numpy; print numpy.__version__"#查看numpy版本 python -c "import numpy; print numpy.__file__"#查看Numpy安装路径sudo pip install -U numpy==1.11.0#进行Numpy降级

另外一种比较特殊的情况，服务器中有两个python，2.7和3.4，而系统默认pip是装在python3.4上的。

输入：pip –version

显示：pip 9.0.1 from /usr/local/lib/python3.4/dist-packages (python 3.4)

执行以下代码，装到强制装到python2.7中：

sudo python2.7 /usr/local/bin/pip install -U numpy==1.11.0