上次使用 Faster R-CNN 训练了一个 VGG-16 的网络，为了再提升识别的准确率，利用 ResNet 网络在同样的数据上面训练了多一次。
基本的过程和在训练 VGG-16 网络时差不多，可参照 使用自己的数据训练 Faster R-CNN 的 VGG-16 模型
一、训练网络
（一）下载 ResNet-50 的 prototxt 文件
在我的 Github 上面可以下载我使用的文件，当然你也可以使用不同的 ResNet 网络结构。
（二）相关文件修改
1. cd $FRCN_ROOT/lib/rpn/generate_anchors.py
# 在 37 行：
def generate_anchors(base_size=16, ratios=[0.5, 1, 2],
scales=2**np.arange(3, 6)):
# 修改为：
def generate_anchors(base_size=16, ratios=[0.5, 1, 2],
scales=2**np.arange(1, 6)):
AI 代码解读
2. cd $FRCN_ROOT/lib/rpn/anchor_target_layer.py
# 在 28 行：
anchor_scales = layer_params.get('scales', (8, 16, 32))
# 修改为：
anchor_scales = layer_params.get('scales', (2, 4, 8, 16, 32))
AI 代码解读
3. cd $FRCN_ROOT/lib/rpn/proposal_layer.py
# 在 29 行：
anchor_scales = layer_params.get('scales', (8, 16, 32))
# 修改为：
anchor_scales = layer_params.get('scales', (2, 4, 8, 16, 32))
AI 代码解读
4. pascal_voc.py、imdb.py、train.prototxt、test.prototxt、.pt文件 的修改参考 使用自己的数据训练 Faster R-CNN 的 VGG-16 模型 。
5. 因为我们使用了 5 个尺度的 anchors，所以之前的 9 个 anchors 变成了 3*5=15 个。
修改 prototxt 和 pt文件，将其中的 18 换成 30。
layer {
name: "rpn_cls_score"
type: "Convolution"
bottom: "rpn/output"
top: "rpn_cls_score"
param { lr_mult: 1.0 }
param { lr_mult: 2.0 }
convolution_param {
num_output: 30 # 2(bg/fg) * 9(anchors) ///将 18 换成 30
kernel_size: 1 pad: 0 stride: 1
weight_filler { type: "gaussian" std: 0.01 }
bias_filler { type: "constant" value: 0 }
}
AI 代码解读
（三）下载 ImageNet 模型
下载 ImageNet 预训练文件：ResNet-50.v2.caffemodel
（四）清除缓存
删除缓存文件： $FRCN_ROOT/data/VOCdevkit2007/annotations_cache/annots.pkl 和 $FRCN_ROOT/data/cache 下的 pkl 文件
如果不清除缓存可能会报错。
（五）开始训练
参照 VGG16 的训练命令：cd $FRCN_ROOT
./experiments/scripts/faster_rcnn_end2end.sh 0 ResNet-50 pascal_voc
==注意：第三个参数 ‘ResNet-50’，一定要和你的文件夹名字对应，比如我的文件放在$FRCN_ROOT/models/pascal_voc/ResNet-50 里面，所以我的第三个参数就为我目录的名称。==
由于 ResNet-50 的网络更深，训练的时间也需要更久，每一次迭代大约需要 0.5s ，训练这个网络我用了大概 10 个小时，但效果会比用 VGG 16 的好，主要是对小尺度的物体检测更加准确了。
这是我训练时各类的 AP ：
