基于Faster-RCNN的目标检测【跑通源码】

源码与预训练权重下载

源码下载

PyTorch版的Faster-RCNN源码的下载链接如下：
Faster-RCNN源码

预训练权重下载

• MobileNetV2 backbone 对应的预训练权重下载链接如下：
  MobileNetV2预训练权重
• ResNet50+FPN backbone 对应的预训练权重下载链接如下：
  ResNet50+FPN预训练权重

注： 将下载后的pth文件重新命名为如【fasterrcnn_resnet50_fpn_coco.pth】的形式，并存储在backbone文件夹中。

使用公开数据集训练网络

公开数据集下载

Pascal VOC2012 train/val数据集下载地址如下：
数据集
注： 将下载后的VOCdevkit文件直接加到源码文件夹下即可。

训练resnet50_fpn网络

• Step1： 修改几处代码。
  （1）【weights_dict：“”】内改为：
  【./backbone/fasterrcnn_resnet50_fpn_coco.pth】
  （2）【–data-path】的default值改为：【./】
  （3）由于GPU性能的限制，需要将【–batch_size】的default值从【8】降到【4】。
• Step2： 开始训练，得到的【损失值与学习率曲线】与【mAP曲线】如下。
  
  

运行验证脚本

• Step1： 修改几处代码：将【–data-path】的default值改为：【./】
  将【—weights】的default值改为：
  【./save_weights_resNetFpn-model-*.pth】
• Step2： 运行脚本，得到网络的COCO指标。

运行测试脚本

• Step1： 修改一处代码：将【train_weights】改为：【./save_weights/resNetFpn-model-*.pth】。
• Step2： 找一张图片存在根目录下，并命名为【test.jpg】。
• Step3： 运行代码，得到的测试结果如下。