zdfb/Faster-R-CNN

PyTorch实现的Faster RCNN模型。

Faster R-CNN Pytorch

在bubbliiing大佬代码的基础上进行了修改，添加了部分注释。

图片检测demo

预训练模型

• .pth格式的预训练模型如下。
  

• 链接: https://pan.baidu.com/s/17IIHfHceVziAUPspJuspYA
• 提取码：j4on

训练自己的数据集

1. 按照VOC格式准备数据集

标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotations中。 图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。

2. 写入数据集类别信息

在model_data文件夹下新建name_classes.txt文件，写入自己数据集的类别信息。

3. 划分数据集并生成标签

修改voc_annotation.py文件下classes_path的指向，运行：

python voc_annotation.py

生成的数据集划分及标签文件均存放在VOCdevkit\VOC2007\ImageSets\Main文件夹下。

4. 开始训练

将下载好的.pth格式预训练模型frcnn_weights.pth文件放在model_data文件夹下。修改train.py下的classes_path及model_path指向，运行：

python train.py

测试图片

修改utils/utils_frcnn.py文件中的model_path及classes_path，指向训练好的模型及类别信息。 在predict_images.py文件下输入图片路径，运行：

python predict_images.py

Reference

https://github.com/bubbliiiing/faster-rcnn-pytorch