DL开源框架Caffe | 目标检测Faster-rcnn训练自己数据问题整理
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]
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 xdm
import glob
path = './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