Faster R-CNN：基于 PyTorch 的两阶段目标检测模型实现

---

目录

1. 仓库更新 Top News
2. 性能情况 Performance
3. 所需环境 Environment
4. 文件下载 Download
5. 预测步骤 How2predict
6. 训练步骤 How2train
7. 评估步骤 How2eval
8. 参考资料 Reference

Top News

2022-04:进行了大幅度的更新，支持step、cos学习率下降法、支持adam、sgd优化器选择、支持学习率根据batch_size自适应调整、新增图片裁剪。
BiliBili视频中的原仓库地址为：https://github.com/bubbliiiing/faster-rcnn-pytorch/tree/bilibili

2021-10:进行了大幅度的更新，增加了大量注释、增加了大量可调整参数、对代码的组成模块进行修改、增加fps、视频预测、批量预测等功能。

性能情况

训练数据集	权值文件名称	测试数据集	输入图片大小	mAP 0.5:0.95	mAP 0.5
VOC07+12	voc_weights_resnet.pth	VOC-Test07	-	-	80.36
VOC07+12	voc_weights_vgg.pth	VOC-Test07	-	-	77.46

所需环境

torch == 1.2.0

文件下载

训练所需的voc_weights_resnet.pth或者voc_weights_vgg.pth以及主干的网络权重可以在百度云下载。
voc_weights_resnet.pth是resnet为主干特征提取网络用到的；
voc_weights_vgg.pth是vgg为主干特征提取网络用到的；
链接: https://pan.baidu.com/s/1S6wG8sEXBeoSec95NZxmlQ
提取码: 8mgp

VOC数据集下载地址如下，里面已经包括了训练集、测试集、验证集（与测试集一样），无需再次划分：
链接: https://pan.baidu.com/s/1-1Ej6dayrx3g0iAA88uY5A
提取码: ph32

训练步骤

a、训练VOC07+12数据集

1. 数据集的准备
   本文使用VOC格式进行训练，训练前需要下载好VOC07+12的数据集，解压后放在根目录

2. 数据集的处理
   修改voc_annotation.py里面的annotation_mode=2，运行voc_annotation.py生成根目录下的2007_train.txt和2007_val.txt。

3. 开始网络训练
   train.py的默认参数用于训练VOC数据集，直接运行train.py即可开始训练。

4. 训练结果预测
   训练结果预测需要用到两个文件，分别是frcnn.py和predict.py。我们首先需要去frcnn.py里面修改model_path以及classes_path，这两个参数必须要修改。
   model_path指向训练好的权值文件，在logs文件夹里。
   classes_path指向检测类别所对应的txt。
   完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。

b、训练自己的数据集

1. 数据集的准备
   本文使用VOC格式进行训练，训练前需要自己制作好数据集，
   训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
   训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。

2. 数据集的处理
   在完成数据集的摆放之后，我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。
   修改voc_annotation.py里面的参数。第一次训练可以仅修改classes_path，classes_path用于指向检测类别所对应的txt。
   训练自己的数据集时，可以自己建立一个cls_classes.txt，里面写自己所需要区分的类别。
   model_data/cls_classes.txt文件内容为：

cat
dog
...

修改voc_annotation.py中的classes_path，使其对应cls_classes.txt，并运行voc_annotation.py。

3. 开始网络训练
   训练的参数较多，均在train.py中，大家可以在下载库后仔细看注释，其中最重要的部分依然是train.py里的classes_path。
   classes_path用于指向检测类别所对应的txt，这个txt和voc_annotation.py里面的txt一样！训练自己的数据集必须要修改！
   修改完classes_path后就可以运行train.py开始训练了，在训练多个epoch后，权值会生成在logs文件夹中。

4. 训练结果预测
   训练结果预测需要用到两个文件，分别是frcnn.py和predict.py。在frcnn.py里面修改model_path以及classes_path。
   model_path指向训练好的权值文件，在logs文件夹里。
   classes_path指向检测类别所对应的txt。
   完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。

预测步骤

a、使用预训练权重

1. 下载完库后解压，在百度网盘下载frcnn_weights.pth，放入model_data，运行predict.py，输入

img/street.jpg

2. 在predict.py里面进行设置可以进行fps测试和video视频检测。

b、使用自己训练的权重

1. 按照训练步骤训练。
2. 在frcnn.py文件里面，在如下部分修改model_path和classes_path使其对应训练好的文件；model_path对应logs文件夹下面的权值文件，classes_path是model_path对应分的类。

_defaults = {
    #--------------------------------------------------------------------------#
    #   使用自己训练好的模型进行预测一定要修改model_path和classes_path！
    #   model_path指向logs文件夹下的权值文件，classes_path指向model_data下的txt
    #   如果出现shape不匹配，同时要注意训练时的model_path和classes_path参数的修改
    #--------------------------------------------------------------------------#
    "model_path"    : 'model_data/voc_weights_resnet.pth',
    "classes_path"  : 'model_data/voc_classes.txt',
    #---------------------------------------------------------------------#
    #   网络的主干特征提取网络，resnet50或者vgg
    #---------------------------------------------------------------------#
    "backbone"      : "resnet50",
    #---------------------------------------------------------------------#
    #   只有得分大于置信度的预测框会被保留下来
    #---------------------------------------------------------------------#
    "confidence"    : 0.5,
    #---------------------------------------------------------------------#
    #   非极大抑制所用到的nms_iou大小
    #---------------------------------------------------------------------#
    "nms_iou"       : 0.3,
    #---------------------------------------------------------------------#
    #   用于指定先验框的大小
    #---------------------------------------------------------------------#
    'anchors_size'  : [8, 16, 32],
    #-------------------------------#
    #   是否使用Cuda
    #   没有GPU可以设置成False
    #-------------------------------#
    "cuda"          : True,
}

3. 运行predict.py，输入

img/street.jpg

4. 在predict.py里面进行设置可以进行fps测试和video视频检测。

评估步骤

a、评估VOC07+12的测试集

1. 本文使用VOC格式进行评估。VOC07+12已经划分好了测试集，无需利用voc_annotation.py生成ImageSets文件夹下的txt。
2. 在frcnn.py里面修改model_path以及classes_path。model_path指向训练好的权值文件，在logs文件夹里。classes_path指向检测类别所对应的txt。
3. 运行get_map.py即可获得评估结果，评估结果会保存在map_out文件夹中。

b、评估自己的数据集

1. 本文使用VOC格式进行评估。
2. 如果在训练前已经运行过voc_annotation.py文件，代码会自动将数据集划分成训练集、验证集和测试集。如果想要修改测试集的比例，可以修改voc_annotation.py文件下的trainval_percent。trainval_percent用于指定(训练集+验证集)与测试集的比例，默认情况下 (训练集+验证集):测试集 = 9:1。train_percent用于指定(训练集+验证集)中训练集与验证集的比例，默认情况下 训练集:验证集 = 9:1。
3. 利用voc_annotation.py划分测试集后，前往get_map.py文件修改classes_path，classes_path用于指向检测类别所对应的txt，这个txt和训练时的txt一样。评估自己的数据集必须要修改。
4. 在frcnn.py里面修改model_path以及classes_path。model_path指向训练好的权值文件，在logs文件夹里。classes_path指向检测类别所对应的txt。
5. 运行get_map.py即可获得评估结果，评估结果会保存在map_out文件夹中。

Reference

https://github.com/chenyuntc/simple-faster-rcnn-pytorch
https://github.com/eriklindernoren/PyTorch-YOLOv3
https://github.com/BobLiu20/YOLOv3_PyTorch

Faster R-CNN PyTorch 快速上手指南

本指南基于 faster-rcnn-pytorch 开源项目，帮助开发者快速完成环境配置、模型训练与预测。

1. 环境准备

系统要求

• Python: 建议 Python 3.6+
• PyTorch: torch == 1.2.0 (或兼容版本)
• 硬件: 支持 CUDA 的 NVIDIA GPU（可选，无 GPU 可设置 cuda=False）

前置依赖

确保已安装基础深度学习库。推荐使用国内镜像源加速安装：

pip install torch==1.2.0 torchvision==0.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install opencv-python pillow numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 安装步骤

第一步：克隆仓库

git clone https://github.com/bubbliiiing/faster-rcnn-pytorch.git
cd faster-rcnn-pytorch

第二步：下载权重与数据集

项目提供百度网盘下载链接，适合国内用户快速获取预训练权重和数据集。

1. 下载预训练权重 (任选其一放入 model_data/ 目录):

   • ResNet50 主干: voc_weights_resnet.pth
   • VGG 主干: voc_weights_vgg.pth
   • 百度网盘备用: 链接: https://pan.baidu.com/s/1S6wG8sEXBeoSec95NZxmlQ 提取码: 8mgp

2. 下载 VOC 数据集 (可选，用于直接训练):

   • 包含训练集、验证集和测试集。
   • 百度网盘: 链接: https://pan.baidu.com/s/1-1Ej6dayrx3g0iAA88uY5A 提取码: ph32
   • 解压后置于项目根目录。

3. 基本使用

场景 A：直接使用预训练模型进行预测

1. 配置文件修改
   打开 frcnn.py，确保 _defaults 中的路径指向下载的权重文件：

   _defaults = {
       "model_path"    : 'model_data/voc_weights_resnet.pth',
       "classes_path"  : 'model_data/voc_classes.txt',
       "backbone"      : "resnet50",
       "confidence"    : 0.5,
       "nms_iou"       : 0.3,
       "cuda"          : True,
   }
   

2. 运行预测
   执行以下命令，输入图片路径即可检测：

   python predict.py
   

   根据提示输入图片路径（例如：img/street.jpg）。

   注：也可在 predict.py 中修改代码以进行 FPS 测试或视频检测。

---

场景 B：训练自己的数据集 (VOC 格式)

1. 数据准备
   将数据集整理为 VOC 格式：

   • 图片放入：VOCdevkit/VOC2007/JPEGImages
   • 标签放入：VOCdevkit/VOC2007/Annotations

   创建类别文件 model_data/cls_classes.txt，每行一个类别名称：

   cat
   dog
   person
   

2. 生成训练索引
   修改 voc_annotation.py：

   • 设置 classes_path 指向刚才创建的 cls_classes.txt。
   • 设置 annotation_mode=2。

   运行脚本生成训练列表：

   python voc_annotation.py
   

3. 开始训练
   修改 train.py 中的 classes_path 确保与上一步一致，然后运行：

   python train.py
   

   训练生成的权值文件将保存在 logs/ 文件夹中。

4. 验证训练结果
   参照“场景 A"的步骤，将 frcnn.py 中的 model_path 修改为 logs/ 下新生成的权值文件，运行 predict.py 即可看到自定义模型的检测效果。