Python 在自定义数据集上训练更快的RCNN

我正在尝试对两类问题运行更快的RCNN，例如，

obj1

和

obj2

我已经以Pascal格式存储了数据

我还将caffe定义最后一层的输出数量更改为3（即2+BG）和12（4*3）

由于某些原因，我不能使用预训练模型

现在，我想为上述两个课程从头开始训练

caffe

模型。所以我的问题是,；如果我正在运行以下命令

./tools/train_net.py --gpu 0 --imdb voc_2007_trainval --cfg experiments/cfgs/config.yml --solver models/pascal_voc/ZF/faster_rcnn_end2end/solver.prototxt --iter 10000

---

它是否符合我的要求（或我的想法），即

obj1

和

obj2

的对象分类和定位。或者，发生了其他事情？因为，对于我通过运行10000次迭代获得的模型，我的AP值非常低（

obj1=0.042

；

obj2=0.006

）

如果您已将

obj1

和

obj2

类的数据安排为PASCAL格式，则您正确运行了培训代码

---

我假设您在创建提到培训和测试样本的文本文件时特别小心。请参阅PASCAL设置以获取参考。

我发现从头开始调整SSD探测器要容易得多。