深度学习实践经验：用Faster R-CNN训练Caltech数据集——修改读写接口

前言

这部分主要讲如何修改Faster R-CNN的代码，来训练自己的数据集，首先确保你已经编译安装了py-faster-rcnn，并且准备好了数据集，具体可参考我上一篇文章。

caffe-fast-rcnn
这里是caffe框架目录，用来进行caffe编译安装
data
用来存放pre trained模型，比如ImageNet上的，要训练的数据集以及读取文件的cache缓存。
experiments
存放配置文件，运行的log文件，另外这个目录下有scripts 用来获取imagenet的模型，以及作者训练好的fast rcnn模型，以及相应的pascal-voc数据集
lib
用来存放一些python接口文件，如其下的datasets主要负责数据库读取，config负责cnn一些训练的配置选项
matlab
放置matlab与python的接口，用matlab来调用实现detection
models
里面存放了三个模型文件，小型网络的ZF，大型网络VGG16，中型网络VGG_CNN_M_1024
output
这里存放的是训练完成后的输出目录，默认会在default文件夹下
tools
里面存放的是训练和测试的Python文件

所有需要修改的训练代码都放到了py-faster-rcnn/lib文件夹下，我们进入文件夹，里面主要用到的文件夹有：

读写数据接口都放在datasets/文件夹下，我们进入文件夹，里面主要文件有：

从上面可以看出，我们主要对pascal_voc.py文件进行修改。

我们主要是基于pasca_voc.py这个文件进行修改，里面有几个重要的函数需要介绍：

要想对自己的数据集进行读取，我们主要是进行pascal_voc.py文件的修改，但是为了不破坏源文件，我们可以将pascal_voc.py进行拷贝复制，从而进行修改。这里我将pascal_voc.py文件拷贝成caltech.py文件：

下面我们对caltech.py文件进行修改，在这里我会一一列举每个我修改过的函数。这里按照文件中的顺序排列。。

这里是原始的pascal_voc的init函数，在这里，由于我们自己的数据集往往比voc的数据集要更简单的一些，在作者额代码里面用了很多的路径拼接，我们不用去迎合他的格式，将这些操作简单化即可。

其实没改，只是加了一行注释，从而更好理解路径问题。

直接注释即可

原始的函数

修改后的函数

至此读取接口修改完毕，该文件中的其他函数并未修改。

当网络训练时会调用factory里面的get方法获得相应的imdb，首先在文件头import 把pascal_voc改成caltech

在这个文件作者生成了多个数据库的路径，我们自己数据库只要给定根路径即可，修改主要有以下4个

在行首添加上 from .caltech import caltech