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)):

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))

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))

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 }
  }

（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

<mark>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。</mark>

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 ：