Colab_FasterRCNN_Pytorch

在Google云盘的Colab跑Faster-Rcnn pytorch版

该代码主要参考了jwyang/faster-rcnn.pytorch的PyTorch复现工程

参考源码：

faster-rcnn pytorch代码下载

• pytorch0.4.0版源码：pytorch0.4.0版源码
• pytorch1.0.0版源码：pytorch1.0.0版源码

一定要下载对应pytorch版本的源码！不然运行版本不兼容

【数据集】

此次训练使用的是VOC 2007数据集

1.下载压缩文件到data

• wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
• wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
• wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar
• 注意：wget是一个下载工具，linux系统中会自带wget，Windows环境下需要下载，教程地址：windows安装wget教程

2.解压数据到data/VOCdevkit

• tar xvf VOCtrainval_06-Nov-2007.tar
• tar xvf VOCtest_06-Nov-2007.tar
• tar xvf VOCdevkit_08-Jun-2007.tar

3.创建软链接

• cd faster-rcnn.pytorch/data

• ln -s VOCdevkit的绝对路径 VOCdevkit2007

• Tips：其实这步可以不执行，直接将VOCdevkit文件名改成VOCdevkit2007，PASCAL VOC 2010 and 2012、COCO等数据集也是如此操作。

• 若使用COCO数据集训练，可参考链接:准备COCO数据集

【下载预训练模型】

• VGG16: Dropbox, VT Server

• ResNet101: Dropbox, VT Server

下载相应的预训练权重，并放到data/pretrained_model文件夹下，从实验发现caffe得到的预训练权重模型精度更高，因此使用了caffe的预训练权重。

【测试】

本次colab中只包含到训练部分展示，测试可根据具体情况进行

训练完想要测试模型在测试集上的前向效果，运行如下指令：

python test_net.py --dataset pascal_voc --net vgg16 \
                   --checksession $SESSION --checkepoch $EPOCH --checkpoint $CHECKPOINT \
                   --cuda

SESSION、EPOCH、CHECKPOINT修改为自己想要前向测试的模型

操作步骤可参考链接：第8步骤测试test_.net.py

【使用自己数据集】

若想要使用自己的数据集训练，可参考链接第三步使用自己的数据集训练

参考链接

自编写详细教程：[百度网盘word教程](链接：https://pan.baidu.com/s/18tcsezRLBQoQDOfWpi9gFw?pwd=pr62 提取码：pr62)

参考CSDN链接：

• Goolge Colab使用教程Goolge Colab使用教程
• Google colab 跑通 faster-rcnn_G果的博客-CSDN博客_resnet101_caffe.pthGoogle colab 跑通 faster-rcnn
• 【Google云盘的Colab跑Faster-Rcnn pytorch版】_m0_45318906的博客-CSDN博客Google云盘的Colab跑Faster-Rcnn pytorch版
• Faster-RCNN.Pytorch的使用_ThunderF的博客-CSDN博客Faster-RCNN.Pytorch的使用

参考视频：

• 1.bibli视频：使用google colab 训练Faster RCNN教程_哔哩哔哩_bilibili
• 2.YouTu视频：How FasterRCNN works and step-by-step Pytorch implement