快速上手 TensorFlow 版 Faster R-CNN (TFFRCNN)

1. 项目目录结构及介绍

TFFRCNN 是一个基于 TensorFlow 的 Faster R-CNN 实现，由 CharlesShang 开发，灵感来源于 smallcorgi 和 rbgirshick 的工作。下面简要概述其主要目录结构：

• data: 包含数据预处理脚本和示例数据。

  • demodata: 示例数据文件夹。
  • VOCdevkit2007 (需自行下载解压后创建的符号链接)，用于存放 PASCAL VOC 2007 数据集。

• experiments:

  • 包含各种实验配置文件如 cfgs 目录下的 YAML 文件，用于设置网络架构和训练参数。
  • 脚本如 scripts 用于特定的数据转换任务，例如从 KITTI 格式转到 PASCAL VOC。

• faster_rcnn: 实现 Faster R-CNN 主逻辑的代码，包括训练和预测流程。

• lib:

  • lib: 模块化的 Python 库，每个模块相对独立，便于理解和修改。
    • 包括基础运算、ROI 池化、数据层等关键组件。

• README.md: 项目的主要说明文件，提供了快速入门指南和详细说明。

• Makefile: 用于编译 Cython 模块和 C++ 操作的 Makefile。

2. 项目的启动文件介绍

• 启动演示程序: 用户可以使用以下命令运行演示，进行对象检测：

  cd TFFRCNN
  python ./faster_rcnn/demo.py --model model_path
  

  这里 model_path 应替换为你的模型路径，演示将使用预先训练好的 VGG16 模型在 PASCAL VOC 2007 数据集上的检测结果。

• 训练新模型: 训练端到端 Faster R-CNN 需执行以下命令：

  python ./faster_rcnn/train_net.py \
         --gpu 0 \
         --weights /path/to/VGG_imagenet.npy \
         --imdb voc_2007_trainval \
         --iters 70000 \
         --cfg experiments/cfgs/faster_rcnn_end2end.yml \
         --network VGGnet_train
  

3. 项目的配置文件介绍

配置文件主要位于 experiments/cfgs 目录下，如 faster_rcnn_end2end.yml。这些 YAML 文件包含了训练和测试的关键参数，比如：

• GPU选择: 指定用于训练的GPU编号。
• 权重要素: 预训练权重文件的位置，通常指向 ImageNet 上预训练的模型。
• IMDB数据: 使用的训练和验证数据集名称，如 voc_2007_trainval 对应于 PASCAL VOC 2007。
• 迭代次数: (--iters) 训练过程中网络迭代的总步数。
• 网络配置: 如 VGGnet_train 指定了使用的网络架构。
• 其他配置项: 包括学习率策略、正则化参数、是否使用多尺度训练等。

配置文件允许用户灵活地调整实验设置，以适应不同的需求或研究目的。在开始任何实验之前，仔细审查并可能修改这些配置是至关重要的步骤。