用faster rcnn 训练其他数据集
来源:互联网 发布:人工智能社区 编辑:程序博客网 时间:2024/06/05 05:11
用faster rcnn训练其他的数据集,实现特定的目的,如车辆检测、行人检测等。其它博客上有关于如何训练自己的数据集的介绍,都是做成VOC的格式,我觉得比较麻烦,于是我直接处理下载到的数据集,保存为mat文件,可以直接在matlab版的faster rcnn读入后处理。
1、数据集
我使用的是bmvc_2012的数据集,地址:http://ai.stanford.edu/~jkrause/ 。这是一个车辆的数据集,共有14类。用里面给的代码处理后可以得到每张图片的路径、类别、大小、bbox等属性,利用这些属性可以转换到faster rcnn 可以处理的格式。
2、过程
matlab版的faster rcnn中主要利用 dataset 这个变量,后面训练过程中都依赖这个变量得到图片的各种属性:类别、路径、大小、roi等。把其他的数据集转化成dataset的格式就可以了。
dataset包括四个部分: imdb_train: {[1x1 struct]}、roidb_train: {[1x1 struct]}、imdb_test: [1x1 struct]、roidb_test: [1x1 struct],
imdb_train和imdb_test包括的内容如下 :
roidb_train和roidb_test包括的内容如下:
在源代码中,这几个部分是通过调用imdb_from_voc、roidb_from_voc两个函数得到的。改写这两个函数处理其他数据集,得到自己的 dataset 后保存,在训练时去掉下面两行,改成直接 load 保存的 dataset 。
3、其它
(1)、需要修改fast rcnn 定义的prototxt文件,类别数改成自己数据集的类型数,以及相应输入数据的维度。(要改四个文件:zf、zf_fc6)。
(2)、处理过程中注意图片的路径,保证训练过程中可以找到图片。
(3)、现在只能训练,如果想把测试过程加进去,要修改 imdb_eval_voc 函数。
- 用faster rcnn 训练其他数据集
- 用py-faster-rcnn训练自己的VOC数据集
- Faster-Rcnn用CPU 并训练数据集
- Faster RCNN 训练自己的数据集
- Faster-RCNN训练自己的数据集
- Faster-RCNN训练自己的数据集
- 使用faster rcnn训练umdfaces数据集
- faster rcnn 训练pascal_voc数据集
- faster Rcnn训练自己的数据集
- Faster-Rcnn训练自己的数据集
- 用自己的数据训练Faster-RCNN
- 使用faster rcnn训练自己的数据-制作数据集
- 将数据集做成VOC2007格式用于Faster-RCNN训练
- Faster-RCNN/SSD/训练将数据集做成VOC2007格式
- 使用faster rcnn训练imageNet上的部分数据集
- 将数据集做成VOC2007格式用于Faster-RCNN训练
- 制作VOC2007数据集用于Faster-RCNN训练
- Faster-RCNN训练:将数据集做成VOC2007格式
- Mybatis 源码解析 -插件模块
- Golang教程:(九)循环语句
- [PAT-甲级]1020.Tree Traversals
- concurrenthashmap 2 适用场景
- vsftpd服务安装/启动/连接/退出
- 用faster rcnn 训练其他数据集
- Android Studio 关联源码
- QT之QML控件篇
- 水题 第三站 排列2
- 【utils】基于jackson的解析转换JsonUtil
- C/C++ 引用介绍
- Android面试题记录二
- android 身份证号中间几位用*代替
- ambari安装笔记