Faster-RCNN.pytorch的搭建、使用过程详解（适配PyTorch 1.0以上版本）
Faster-RCNN.pytorch的搭建、使用過程詳解
- 引言
- faster-rcnn pytorch代碼下載
- faster-rcnn pytorch配置過程
- faster-rcnn pytorch訓練自定義Images文件和對應XML文件的model
- faster-rcnn pytorch參數修改
引言
本文主要介紹（1）如何跑通源代碼；（2）配置過程中遇到的錯誤調試過程；（3）成功訓練自己的數據集。
faster-rcnn pytorch代碼下載
- pytorch0.4.0版源碼：https://github.com/jwyang/faster-rcnn.pytorch.git
- pytorch1.0.0版源碼：https://github.com/jwyang/faster-rcnn.pytorch/tree/pytorch-1.0
配置環境：
我復現代碼的環境是python3.6+cuda10.1+Ubuntu16.04+Pytorch1.2。
強烈推薦使用 pytorch1.0.0版源碼 進行配置，舊版本已不再維護，很多報錯難以調試。
具體配置，此代碼作者已在ReadMe中詳細介紹，但鑒于初學者在復現中遇到的種種問題，下面將對“具體配置過程”做出進一步闡釋，旨在做到淺顯易懂，成功復現。
faster-rcnn pytorch配置過程
1. 安裝torch
請移步至https://pytorch.org/get-started/locally/查看相應的安裝命令，安裝最新版的pytorch包。參考執行代碼如下：
conda install pytorch==1.0.0 torchvision==0.2.1 cuda100 -c pytorch2. 下載源碼到本地
具體方法有以下兩種：
（1）git clone 到本地
git clone -b pytorch-1.0 --single-branch --depth=1 --recursive https://github.com/jwyang/faster-rcnn.pytorch.git其中：-b是分支名，--single-branch是clone指定分支的命令，--depth==1是指克隆最近一次更改，--recursive用于循環遞歸克隆子項目。
（2）直接下載zip文件至本地
強烈推薦第二種，簡單、方便。
3. 創建數據文件夾
在本地創建一個文件夾專門用來搭建Faster-RCNN模型，所有的配置文件均在此目錄下進行（如：“/detectron”）。
首先，將源碼的zip文件copy至目標目錄/detectron，同時解壓縮得到如下所示文件夾；
其次，創建data文件夾，具體操作如下：
或者，直接執行
# && 表示前一條命令執行成功時，才執行后一條命令 ，如 echo '1‘ && echo '2' cd faster-rcnn.pytorch && mkdir data # 一步實現上述2條命令，此處faster-rcnn.pytorch即為存放解壓縮后源碼的文件夾4.下載數據至data文件夾
cd 進入data文件夾開始下載壓縮文件，執行如下命令，下載VOV2007標準數據集的相關數據。
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執行下方命令解壓縮數據到data/VOCdevkit
tar xvf VOCtrainval_06-Nov-2007.tar tar xvf VOCtest_06-Nov-2007.tar tar xvf VOCdevkit_08-Jun-2007.tarcd 進入data文件夾下，創建軟鏈接
ln -s VOCdevkit的絕對路徑 VOCdevkit2007完整的VOC2007數據集有三個壓縮包：
- VOCdevkit_08-Jun-2007.tar：開發工具包
- VOCtest_06-Nov-2007.tar： 測試集，4952張圖片
- VOCtrainval_06-Nov-2007.tar： 訓練和驗證集，5011張圖片
\quad
其中test和trainval的數據集目錄結構一樣，同時解壓三個壓縮包，最終會自動解壓到一個文件夾下VOCdeckit。trainval和test數據集是從一個完整數據集劃分來的，所以目錄結構一樣，且不存在沖突的圖片命名。所以， 解壓完成后相當于將兩個子數據集合并成一個完整的大數據集 有train，val，trainval，test。
\quad
數據集文件結構介紹：
\quad
VOCtrainval_06-Nov-2007文件夾下
VOCdevkit
└─VOC2007
├─Annotations
├─ImageSets
│ ├─Layout
│ ├─Main
│ └─Segmentation
├─JPEGImages
├─SegmentationClass
└─SegmentationObject
\quad
數據集文件夾分布情況如下：
VOC 2007數據集結構的詳細介紹: VOC 2007數據集結構
- Annotation
Annotations文件夾中存放的是xml格式的標簽文件，每一個xml文件都對應于JPEGImages文件夾中的一張圖片。 - ImageSets
ImageSets存放的是每一種類型的challenge對應的圖像數據。
\quad
核心知識點：
\quad
我們進行model訓練，讀取圖像的時候，其實就是先從這個ImageSets文件夾中，找到對應任務的子文件夾，然后讀取其中txt文本文檔的圖像ID號碼, 接著按照這個ID號碼去JPEGImages文件夾下尋找對應的圖像。
\quad
ImageSets下的四個文件夾，如下：
當我們在faster-rcnn中運行訓練和測試程序時，會在完整的大數據集中自動調用相對應的數據集。
(1) Action下存放的是人的動作（running、jumping等等，這也是VOC challenge的一部分）
(2) Layout下存放的是人體部位（head、hand、feet等等，這也是VOC challenge的一部分）
(3) Main下存放的是圖像物體識別的數據，總共分為20類。
備注：
- train.txt 是用來訓練的圖片文件的文件名列表 （訓練集）
- val.txt是用來驗證的圖片文件的文件名列表 （驗證集）
- trianval.txt是用來訓練和驗證的圖片文件的文件名列表， 修改自己的圖片檢測模型時，僅需要修改該文件，即：將新的訓練圖像name list 去掉后綴，更新入trianval.txt文件。
- test.txt 是用來測試的圖片文件的文件名列表 （測試集）
\quad
train是網絡模型在訓練的時候用的，而val是網絡模型在訓練過程中測試用的。val是不影響訓練的。在訓練的時候可以得到train和val這兩個數據集的誤差率，利用這個誤差率可以繪制出學習曲線，通過觀察學習曲線，可以發現一些網絡模型的問題，然后再根據這些問題去調整網絡參數。test就是網絡模型訓練完畢測試用的。
\quad
Main文件夾下還包含了20個分類的***_train.txt、***_val.txt和***_trainval.txt。這些txt中的內容都差不多如下：
前面的表示圖像的name，后面的1代表正樣本（即：表示當前圖像中有該類物體），-1代表負樣本（即：表示當前圖像中，沒有該類物體），偶爾也會出現0（即：0 表示當前圖像中，該類物體只露出了一部分）。
_train中存放的是訓練使用的數據，每一個class的train數據都有5717個；
_val中存放的是驗證結果使用的數據，每一個class的val數據都有5832個；
_trainval將上面兩個進行了合并，每一個class有11540個；
需要保證的是train和val兩者沒有交集，也就是訓練數據和驗證數據不能有重復，在選取訓練數據的時候，也應該是隨機產生的。
\quad
(4) Segmentation下存放的是可用于分割的圖片的編號。
*_train中存放的是訓練集的圖片編號。
*_val中存放的是驗證集的圖片編號。
*_trainval是上面兩者的合并集合。
train和val包含的圖片沒有交集。
- JPEGImages
JPEGImages文件夾中包含了PASCAL VOC所提供的所有的圖片，包含訓練圖片和測試圖片，共有17125張。圖片均以“年份_編號.jpg”格式命名。圖片的尺寸大小不一，所以在后面訓練的時候需要對圖片進行resize操作。
圖片的像素尺寸大小不一，但是橫向圖的尺寸大約在500ㄨ375左右，縱向圖的尺寸大約在375ㄨ500左右，基本不會偏差超過100。（在之后的訓練中，第一步就是將這些圖片都resize到300ㄨ300或是500ㄨ500，所有原始圖片不能離這個標準過遠。） - SegmentationClass
這里面包含了2913張圖片，每一張圖片都對應JPEGImages里面的相應編號的圖片。
圖片的像素顏色共有20種，對應20類物體。
- SegmentationObject
這里面同樣包含了2913張圖片，圖片編號都與Class里面的圖片編號相同。
這里面的圖片和Class里面圖片的區別在于，這是針對Object的。
在Class里面，一張圖片里如果有多架飛機，那么會全部標注為紅色。
而在Object里面，同一張圖片里面的飛機會被不同顏色標注出來。
\quad
參考鏈接：
關于VOC2007數據集的更多詳細介紹，詳見
數據集：Pascal voc2007數據集分析
VOC數據集介紹-VOCtrainval_06-Nov-2007文件結構和下載
VOC數據集解析 VOC2007解析
5.下載預訓練模型
首先，在/data/下創建子文件夾/data/pretrained_model；然后，下載預訓練模型到/data/pretrained_model下，如VGG16，ResNet101等。
VGG16: Dropbox, VT Server
ResNet101: Dropbox, VT Server
備注： Dropbox, VT Server是兩個云存儲公司開放的下載數據源，建議使用Dropbox的數據源進行下載。下載結束后，將這兩個模型都放進/data/pretrained_model/文件夾中。
6.編譯
- 使用pip安裝所有python依賴包
安裝python依賴包遇到錯誤：
ERROR: Could not open requirements file: [Errno 2] No such file or directory: 'requirements.txt'，說明找不到’requirements.txt’文件，查找發現在data/的上一級，即：/work/elta/detectron/faster-rcnn.pytorch-pytorch-1.0文件夾下。在此處再執行pip install -r requirements.txt即可。
error: [Errno 13] Permission denied: '/usr/local/lib/處理方法 ，處理方法：在命令前面加sudo命令。
備注：
在ubuntu系統下使用pip 命令安裝包時，出現以下類似錯誤提示：
error: [Errno 13] Permission denied: '/usr/local/lib/python2.7/dist-packages/
那么，要用root權限，可以用sudo表示用root權限執行，所以，在命令前面加sudo。
- 編譯CUDA依賴環境
這里為pytroch1.0分支下的編譯設置，編輯所需的cuda環境后，回到主目錄。
cd lib python setup.py build develop # 不要使用sh make.sh編譯時遇到過兩個報錯，
- error: invalid command 'develop'；
- ImportError: cannot import name '_mask'
- can’t import ‘imread’
- Tips：要注意如果出現can’t import ‘imread’，請檢查scipy的版本是否超過了1.0，因為1.0以上的版本里，scipy不再使用imread。
之前嘗試通過pytorch0.4.0分支ReadMe配置好pytorch環境后，運行訓練時出現錯誤ImportError: torch.utils.ffi is deprecated. Please use cpp extensions instead.，解決方法參考鏈接【已解決】ImportError: torch.utils.ffi is deprecated. Please use cpp extensions instead.。
但限于版本更新和pytorch放棄對之前版本部分語法的支持，此問題是短時間內難以解決的死胡同，遂建議大家直接放棄0.4.0版本轉入1.0.0版本。
7.訓練
在訓練之前需要根據自己的環境將trainval_net.py和test_net.py中的兩個參數save_dir和load_dir進行更改。
（1）如果使用VGG16在pascal_voc上訓練faster R-CNN使用如下命令（具體參數根據自己的需要修改）：
CUDA_VISIBLE_DEVICES=$GPU_ID python trainval_net.py \--dataset pascal_voc --net vgg16 \--bs $BATCH_SIZE --nw $WORKER_NUMBER \--lr $LEARNING_RATE --lr_decay_step $DECAY_STEP \--cuda（2） 訓練命令行示例——res101：
CUDA_VISIBLE_DEVICES=0 python trainval_net.py --dataset pascal_voc --net res101 --bs 4 --nw 0 --lr 0.001 --lr_decay_step 5 --cuda或者
CUDA_VISIBLE_DEVICES=0,1 python trainval_net.py --dataset pascal_voc --net res101 --cuda 參數說明：
\quad
- CUDA_VISIBLE_DEVICES：指gpu的id，這得看你實驗室服務器哪塊gpu是閑置的。
- –dataset：指訓練數據集名稱，此處以pascal-voc為例。
- –net：你要使用的預訓練模型，可以換為resnet101。
- –bs：指的batch size。
–epoch：指要訓練的輪數。 - –nw：指的是worker number，取決于你的Gpu能力，我用的是Titan Xp
12G，所以選擇4。稍微差一些的gpu可以選小一點的值。 - –lr：指學習率
- –cuda：指的是使用gpu。
\quad
BATCH_SIZE 和 WORKER_NUMBER 可以根據你的GPU情況來設置。
\quad
訓好的model會存到models文件夾底下，此處暫時使用默認的訓練參數。
8.測試
如果想評估VGG16預訓練模型在pascal_voc測試集上的表現，使用如下命令：
python test_net.py --dataset pascal_voc --net vgg16 \--checksession $SESSION --checkepoch $EPOCH --checkpoint $CHECKPOINT \--cuda要指定具體的checksession、checkepoch、checkpoint數值。如果你不知該如何設置，可以根據你訓練出來的模型名字來設置。
設置示例：
注意，這里的三個check參數，是定義了訓好的檢測模型名稱，我訓好的名稱為faster_rcnn_1_20_10021，代表了checksession = 1，checkepoch = 20， checkpoint = 10021，這樣才可以讀到模型“faster_rcnn_1_20_10021”。訓練中，源碼代碼默認設置的epoch為20，所以checkepoch選擇20，也就是選擇最后那輪訓好的模型，理論上應該是效果最好的。下圖就是我20次epochs的模型。
9.運行demo.py
如果你想要運行預訓練模型去檢測新的test圖片，要先下載預訓練模型或者訓練你自己模型，然后把圖片放到工作目錄下（示例路徑：/usr/detectron/faster-rcnn.pytorch-pytorch-1.0/images/）的images文件夾里，再運行如下命令：
python demo.py --net vgg16 \--checksession $SESSION --checkepoch $EPOCH --checkpoint $CHECKPOINT \--cuda --load_dir + 模型存放文件夾除了指定那三個數值外，還要寫清楚存放vgg16/pascal_voc/模型.pth的文件夾。例如：
demo命令行示例：
此處我們需輸入使用的網絡(如：res101)，以及訓練好的模型路徑(models)。我們測試的圖片都在images文件夾里。
\quad
作者提供了4張image做測試，默認測試完的圖像會輸出到images文件夾里，所以做完一次測試，images文件夾會有8張圖片（輸出圖片命名規則是在原圖像文件名后面加上"_det"），而原作者沒有把他自己測試后的圖片刪去，所以大家在做demo測試時，別忘把以"_det"結尾的檢測輸出文件先刪去，否則，測試完你的images文件夾可能會得到16張圖像。 后續在參數修改部分，會詳細介紹如何修改打框后圖像的存放路徑、包括保存生成的XML文件用于后續修改標注等：
當然，你可以放一些你自己在網上搜的圖片在images文件夾里進行demo測試，看看效果。但檢測類別一定在訓練的類別中，否則，目標檢測的結果就是隨機標注了，意義不大~
faster-rcnn pytorch訓練自定義Images文件和對應XML文件的model
我們仍然采用VOC2007數據集的結構分布框架，只是把我們自己的數據集“塞進去”，做適當調整即可。
1、VOC數據集制作：
將自己準備的images文件和對應的目標檢測XML文件，做成VOC2007格式標準數據集，用于Faster-RCNN模型訓練。
VOC2007格式要求： 圖片名是六位數字，對應XML文件名也是六位數字。 數據集準備好之后，用數據集相應的替換掉VOC2007中的數據。具體位置如下：
一、JPEGImages文件夾：
將自己的數據集中所有的圖片存放的這一文件夾下，圖片數據的格式需要統一。
二、Annotations文件夾：
將自己數據集所有圖片一一對應的xml格式的標簽文件放于這一文件夾下。
三、ImageSets文件夾：
完成ImageSets\Main中trainval.txt文件的修改。
trainval.txt是訓練和驗證集，內容為文件名（去除".jpg"后綴），該文件中的圖像list將全部用于目標檢測的model訓練，即：默認不劃分train和val的比例。 一般默認操作就OK了。
\quad
備注：
如果想實現劃分輸入圖像的train、val、test比例，需要同時修改ImageSets\Main文件夾下4個文件（test.txt、train.txt、trainval.txt、val.txt）。
一般而言：在原始VOC2007數據集中，trainval大約占整個數據集的50%，test大約為整個數據集的50%；train大約是trainval的50%，val大約為trainval的50%。所以我們可參考以下代碼來生成這4個txt文件。參考鏈接：faster-rcnn.pytorch-1.0指南（三）——制作PASCAL VOC2007數據集
生成這4個txt文件的示例代碼：
import os import randomtrainval_percent = 0.5 train_percent = 0.5 xmlfilepath = '/home/VOC2007/Annotations' txtsavepath = '/home/VOC2007/ImageSets/Main' total_xml = os.listdir(xmlfilepath)num=len(total_xml) list=range(num) tv=int(num*trainval_percent) tr=int(tv*train_percent) trainval= random.sample(list,tv) train=random.sample(trainval,tr)ftrainval = open(txtsavepath+'/trainval.txt', 'w') ftest = open(txtsavepath+'/test.txt', 'w') ftrain = open(txtsavepath+'/train.txt', 'w') fval = open(txtsavepath+'/val.txt', 'w')for i in list:name=total_xml[i][:-4]+'\n'if i in trainval:ftrainval.write(name)if i in train:ftrain.write(name)else:fval.write(name)else:ftest.write(name)ftrainval.close() ftrain.close() fval.close() ftest .close()2、修改/lib/datasets/pascal_voc.py里的檢測類別：
VOC2007數據集的類別在路徑"/faster-rcnn.pytorch/lib/datasets/pascal_voc.py"文件中已注明，示例如下：
原始標注類別為：
self._classes = ('__background__', # always index 0'aeroplane', 'bicycle', 'bird', 'boat','bottle', 'bus', 'car', 'cat', 'chair','cow', 'diningtable', 'dog', 'horse','motorbike', 'person', 'pottedplant','sheep', 'sofa', 'train', 'tvmonitor','plane')這個文件里存著VOC數據庫的classes，即：需要更改我們識別的類別，我的做法是把原classes注釋掉，把自己的classes加進去。
此處修改如下：
可能發生如下錯誤：
- assert（boxes[:,2]>=boxes[:,0]）.all()
基本上都會碰上，只要是你標注的框靠近邊緣，都會出這個錯誤。表示：左上角坐標（x,y）可能為0，或標定區域溢出圖片，而faster rcnn會對Xmin,Ymin,Xmax,Ymax進行減一操作，如果Xmin為0，減一后變為負值。但是，不用急，按照下面方法改，完美解決：https://blog.csdn.net/xzzppp/article/details/52036794 - Keyerror:'width'
該句指的是得到的圖像數據庫imdb文件沒有‘width’,也就是沒有讀到圖像的寬度值，而這個寬度值是通過圖片讀出來的，所以說明你的訓練文件夾JPEGImage中沒有ImagesSet\Main\trainval.txt里列出的圖片，我查了下，圖片都放進去了，那為啥還出錯呢？
原因：在訓練原數據集VOC時，圖像數量是10021張（進行了數據增強），這時會保存訓練信息至緩存中，文件路徑為：/home/zhangxin/faster-rcnn.pytorch/data/cache/voc_2007_trainval_gt_roidb.pkl
因此，=你在重新訓練新數據集的時候，會讀取這個緩存配置，以加快訓練，那么，在更換訓練數據集之后，就會報錯了。我的新集合只有499張，所以訓練時，由于讀取緩存文件，故需要讀的圖像還是原來那10021張，那勢必會找不到這10021張圖像。
解決方法：把這個緩存文件voc_2007_trainval_gt_roidb.pkl刪掉！！！（ 每次更新訓練數據集都需要執行此操作）
3、開始訓練自己的數據集：
參考鏈接：
Faster RCNN(Pytorch) 配置過程記錄及問題解決
使用faster-rcnn.pytorch訓練自己數據集（完整版）
Faster-RCNN.Pytorch的使用
Pytorch版Faster R-CNN訓練自己數據集
目標檢測——Faster R-CNN 詳解、Pytorch搭建、訓練自己的數據集
faster-rcnn pytorch參數修改
基本參數：
- base_lr：0.001
- lr_policy：‘step’
- step_size：30000
- display：20
- iteration： 數據進行一次前向-后向的訓練
- batchsize： 每次迭代訓練的圖片數量
- epoch： 1個epoch就是將所有的訓練圖像全部通過網絡訓練一次
參數設置和計算：
\quad
（1）batchsize、epoch和iteration的關系計算：
例如：假如有1280000張圖片，batchsize=256，則1個epoch需要1280000/256=5000次，若iteration 它的max-iteration=450000，則共有450000/5000=90個epoch；
（2）lr、stepsize和gamma的關系計算：
由于lr什么時候衰減與stepsize有關，減少多少與gamma有關，即：若stepsize=500, base_lr=0.01, gamma=0.1,則當迭代到第一個500次時，lr第一次衰減，衰減后的lr=lr×gamma=0.01×0.1=0.001lr=lr×gamma=0.01×0.1=0.001lr=lr×gamma=0.01×0.1=0.001，以后重復該過程，所以， stepsize是lr的衰減步長，gamma是lr的衰減系數。
（3）test_size, test_iter和test_interval的關系計算：
在訓練過程中，每到一定的迭代次數都會測試，迭代次數是由test-interval決定的，如test_interval=1000，則訓練集每迭代1000次測試一遍網絡，而 test_size, test_iter, 和test圖片的數量決定了怎樣test， test-size決定了test時每次迭代輸入圖片的數量，test_iter就是test所有的圖片的迭代次數，如：500張test圖片，test_iter=100，則test_size=5, 而solver文檔里只需要根據test圖片總數量來設置test_iter，以及根據需要設置test_interval即可。
迭代次數修改max_iters=[80000, 40000, 80000, 40000]
分別對應rpn第1階段，fast rcnn第1階段，rpn第2階段，fast rcnn第2階段的迭代次數。
pytorch faster R-CNN源碼測試、訓練自己的數據集
修改數據讀取路徑：
數據讀取路徑可以直接賦值，在lib/datasets/pascal_voc.py中，把self._data_path修改為自己的數據路徑，下面就是自己的數據classes類別。
train過程中修改訓練模型保存路徑：
在trainval_net.py中修改模型保存的路徑，對應參數'--save_dir'，將default的值改為自己的model保存路徑即可。
##############################################修改模型存放路徑parser.add_argument('--save_dir', dest='save_dir',help='directory to save models', default="/urs/detectron/faster-rcnn.pytorch-pytorch-1.0/tools/models/", type=str)test過程中修改訓練模型讀入路徑：
在demo.py中修改讀入模型的路徑，對應參數'--load_dir'，將default的值改為自己的model保存路徑即可。
############################ 修改讀入模型的路徑parser.add_argument('--load_dir', dest='load_dir',help='directory to load models',default="/urs/detectron/faster-rcnn.pytorch-pytorch-1.0/tools/models/")修改圖像打標后test數據保存路徑：
在demo.py中修改保存圖片的路徑，把推斷過后的圖片另存一個文件夾中，
具體方法為：在parse_args中新增一個參數output_images，用于存放新生成的預測后畫框的圖片，同時修改圖像保存代碼，如下：
添加保存圖片xml文件的路徑和生成對應xml文件：
在demo.py中修改代碼，用于生成并保存預測后的圖片xml文件（減少后期標注量）具體修改參考如下：
pred_det = [] for j in xrange(1, len(pascal_classes)):inds = torch.nonzero(scores[:,j]>thresh).view(-1)# if there is detif inds.numel() > 0: ### stt 判斷預測出來的類別中是否有框cls_scores = scores[:,j][inds] ### stt預測出來的所有得分_, order = torch.sort(cls_scores, 0, True)if args.class_agnostic:cls_boxes = pred_boxes[inds, :]else:cls_boxes = pred_boxes[inds][:, j * 4:(j + 1) * 4] ###stt 預測出來的所有框cls_dets = torch.cat((cls_boxes, cls_scores.unsqueeze(1)), 1) ### stt框和得分降成1維# cls_dets = torch.cat((cls_boxes, cls_scores), 1)cls_dets = cls_dets[order]# keep = nms(cls_dets, cfg.TEST.NMS, force_cpu=not cfg.USE_GPU_NMS)keep = nms(cls_boxes[order, :], cls_scores[order], cfg.TEST.NMS) #### stt預測出來的框nmscls_dets = cls_dets[keep.view(-1).long()]### stt addarr_2 =[]np.set_printoptions(suppress=True) ###不以科學計數法保存arr_cls_det = cls_dets.cpu().numpy() ###張量轉數組arr_cls_det.astype(float) ###列表數據轉為float格式for i in arr_cls_det:arr_2.append(pascal_classes[j]) ###類別加入新的數組中arr_2 += map(int, i.tolist()[:4]) ###預測出來的框（四個坐標點）加入數組中pred_det.append(arr_2) ###類比，框保存為一個列表，每張圖片可能有多個預測框#print(arr_cls_det)#print((np.round(cls_dets)))if vis:im2show = vis_detections(im2show, pascal_classes[j], cls_dets.cpu().numpy(), 0.5) #print(pred_det) #######stt add save_txt and xml save_txt = True save_xml = True ### Write results: for i in pred_det:if save_txt: # Write to fileimg_name = im_file.split('/')[-1].split('.')[0]txt_path = os.path.join(args.output_images, 'txt_path')if not os.path.exists(txt_path):os.makedirs(txt_path)with open(txt_path + '/' + img_name + '.txt', 'a') as file:file.write(('%s, %g , %g, %g, %g ' + '\n') % (i[0], i[1], i[2], i[3], i[4]))txtfile = os.path.join(txt_path, img_name + '.txt')###stt _add start write_xmlif save_txt and save_xml:Anno_path = os.path.join(args.output_images, 'Annotations')if not os.path.exists(Anno_path):os.makedirs(Anno_path)outdir = os.path.join(Anno_path,img_name + '.xml')txt2xml(pascal_classes, txtfile, im_file, outdir) ####stt add end misc_toc = time.time() nms_time = misc_toc - misc_tic參考鏈接：
pytorch 版fasterrcnn 跑通代碼增加保存xml的功能
總結
以上是生活随笔為你收集整理的Faster-RCNN.pytorch的搭建、使用过程详解（适配PyTorch 1.0以上版本）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： GISer与魔方
- 下一篇： 计算机微课论文参考文献,关于计算机论文范