使用fasterRCNN-tf 在GPU上训练自己的数据

使用fasterRCNN-tf在GPU上训练自己的数据

经过之前环境的配置和demo的运行，现在尝试在实验室服务器环境中运行项目数据。使用的之前配置和各种软件在 https://blog.csdn.net/zzyincsdn/article/details/84780511 中已经说明清楚。此处根据具体的数据和代码进行修改工作

预训练模型

进入项目根目录 tf-faster-rcnn，在data文件夹下新建文件夹imagenet_weights用以存储预训练模型。我们使用的预训练模型为VGG16模型。在下载之前先将我们之前使用的output文件夹和包含在其中的软连接删除。

mkdir -p data/imagenet_weights
cd data/imagenet_weights
wget -v http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz
tar -xzvf vgg_16_2016_08_28.tar.gz
mv vgg_16.ckpt vgg16.ckpt
cd ../..

数据格式

此处训练我们需要将数据整理成VOC2007的格式以作为基本的数据集来使用。该数据集由主要三个文件夹以及其中的内容组成：
1、Annotations文件夹
该文件下存放的是xml格式的标签文件，一张图片对应于一个xml文件，xml文件记录了目标区域的坐标和大小，目标类别等相关信息。
2、JPEGImages文件夹
该文件夹下存放的是数据集图片，包括训练集和测试集的图片。
3、ImageSets文件夹
该文件夹下存放了三个文件夹，分别是Layout、Main、Segmentation。目标检测只要使用其中的存放图像数据的Main文件夹。在Main中存储着test.txt, train.txt, trainval.txt, val.txt四个txt文件，文件中记载着训练集