使用faster-rcnn来训练自己的数据

此代码的运行环境为ubuntu+python3.6+cuda9.2+torch0.3.0+torchvision0.2.1+GTX1080ti

建议在torch0.4.0及以下版本运行，否则可能导致运行bug。不建议在windows下进行操作，会出现一个调用so包的问题。

前期准备

1、数据集是NWPU VHR-10 dataset航空遥感数据集，此数据集包括650张图片和对应标签，150张测试图片(未标注)。由于测试图片未标注，本文将数据集中的550张图片作为训练集，100张图片作为测试集。划分后的数据集放在以下链接NWPU VHR-10 dataset，提取码sbcq;
2、Data/pretrained_model中的预训练模型vgg16_caffe.pth下载，提取码sea6;
3、训练后的模型Output/faster_rcnn_150_275.pth下载，提取码r9cf，这是我进行150次迭代训练后的模型，文件较大约1.5G,不想训练的话可以直接下载进行预测看看效果。

代码运行流程

1、前期准备完成1，2两项后，现在开始代码运行；
2、进入lib文件夹 ：命令行输入cd lib，编译程序需要用到的组件如nms与roi-pooling：sh make.sh，此步很重要，重要！，不然后面会找不到_nms库；
3、开始运行trainval_net.py文件；
4、待模型训练好后，运行demo.py进行预测，预测结果保存在demo/result/下；
5、在训练自己的数据集时前，需要在Data/picture_data/下生成一个train.txt文件，此文件包含了训练图片的名称(没有图片格式后缀)，需要先运行下make_train_txt.py生成train.txt文件。

参考

https://github.com/Liu-Yicheng/Faster-rcnn