ChainerCV下用自己的数据集训练Faster RCNN

一、ChainerCV

        ChainerCV，一个用于计算机视觉的深度学习实用库。这个库旨在通过 Chainer 简易化计算机视觉的训练和深度学习模型应用的过程。它包含计算机视觉模型的高质量实现，以及开展计算机视觉研究的必备工具集。当前，ChainerCV 提供了目标检测和语义分割模型（Faster R-CNN、SSD 和 SegNet）的实现。

        https://github.com/chainer/chainercv

二、修改原始代码

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

（1）更改voc_bbox_label_names，改为自己数据库的类标；增加oc_semantic_segmentation_label_colors，和类标相对应

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

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

（2）在get_example中，将obj.find('name').text.lower().strip()改为obj.find('name').text.strip()，因为.lower()为把所有的namee变为小写，而我们的数据集的label name是区分大小写的

        3，examples/faster_rcnn/train.py中，

(1)文件开头加入 import sys，sys.path.append(r'/home/wang/Development/chainercv/chainercv/datasets/voc')；并将

       from chainercv.datasets import voc_bbox_label_names

       from chainercv.datasets import VOCBboxDataset

改为from voc_utils import voc_bbox_label_names

       from voc_bbox_dataset import VOCBboxDataset

这样导入的label name为我们修改后的，而不是原始VOC的；

(2)并在main()中

train_data = VOCBboxDataset(split='trainval', year='2007')加入路径变为

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

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

这里最重要，加了自己数据库的路径后，就直接导入自己的数据库，若没有路径，会在VOC链接下载VOC数据库，就会导致错误。

         4，examples/faster_rcnn/demo.py中，

(1) 文件开头加入 import sys，sys.path.append(r'/home/wang/Development/chainercv/chainercv/datasets/voc')；

(2) 并将 from chainercv.datasets import voc_bbox_label_names 改为 from voc_utils import voc_bbox_label_names。和train的原因一样

三，训练 

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

四，测试

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：在换了电脑后训练和测试出现问题

这是因为版本不兼容导致GPU出问题，用命令sudo pip install cupy==2.0.0将cupy降为2.0.0，问题解决。此时版本信息为：