py-faster-rcnn+VGG_CNN_M_1024訓練自己數據需要修改的參數小記

運行環境：cpu

訓練圖片大小爲300*330，類別數11。

1.修改VGG_CNN_M_1024模型配置文件

1）solver.protxt文件

• stepsize原先爲10000，根據需要更改。
  

2）train.protxt文件

• “input-data”層的‘num_class’數值改爲11；
• “rpn-data”層的feat_stride由原先的16改爲8；
• “proposal”層的feat_stride也改爲8；
• 'roi-data'層的‘num_class’數值改爲11；
• roi_pool5層的spatial_scale改爲0.125（即1/8，與前面的feat_stride對應）；
• cls_score層的num_output數值改爲11（1+10）；
  
• bbox_pred層的num_output數值改爲44（11*4）；

3）test.prototxt文件

• cls_score層的num_output數值改爲11（1+10）；
• bbox_pred層的num_output數值改爲44（11*4）；
• roi_pool5層的spatial_scale改爲0.125；
  
• proposal層的param_str: "'feat_stride': 8"；
  

4）lib/fast_rcnn文件夾中的config.py文件

• __C.TRAIN.SCALES = (300,) #原先爲600
  
• __C.TRAIN.MAX_SIZE =330  #原先爲1000
  
• __C.TRAIN.SNAPSHOT_ITERS = 自己想要的迭代次數，用於存儲中間結果。原先爲10000
  
• __C.TEST.SCALES = (300,)#原先爲600
  
• __C.TEST.MAX_SIZE = 330 #原先爲1000；

5）lib/rpn/generate_anchors.py

    generate_anchors(base_size=16, ratios=[0.5, 1, 2],scales=2**np.arange(3, 6)):

    改爲base_size=8, ratios=[0.5, 1, 2],scales=[8,12,16]):

6）lib/rpn/propsoal_layer.py

     原先anchor_scales = layer_params.get('scales', (8, 16, 32))#(8, 16, 32)應該就是2**np.arange(3, 6)

     所以改爲anchor_scales = layer_params.get('scales', (8, 12, 16))

7）lib/datasets/pascal_voc.py文件

     修改self._classes = ('__background__', # always index 0
                              '訓練的數據類別')

現在想到的就是這些，可能還有需要修改的地方。

大家如果看到我還有遺漏未改的地方殷切希望幫我指出來，畢竟參數對訓練太重要了！！！

   測試模型時需要改的文件

1、faster_rcnn_test.pt

cls_score層的num_output改爲11；

bbox_pred層的num_output改爲44；

上面劃掉的句子不能這麼改，否則會導致訓練時loss大且不收斂！