繼fasterrcnn後，又一個pva-fasterrcnn的配置教程，希望可以幫助大家。

注意：有些複製的終端命令如果不能在終端執行，請注意英文全形半形問題，可以將命令輸入終端，無須複製貼上命令

第一部分：下載並編譯pvanet
1、終端輸入：
git clone --recursive https://github.com/sanghoon/pva-faster-rcnn.git
2、建立Cython模組：
cd $pva-faster-rcnn/lib
make –j16(為啥用16相信大家也很清楚啦)
3、編譯caffe及pycaffe
cd $pva-faster-rcnn/caffe-fast-rcnn
cp Makefile.config.example Makefile.config

修改後儲存退出

make –j16
make pycaffe –j16

第二部分：下載預訓練模型（外網真心慢啊）
為小夥伴們提供百度網盤下載連結：
連結：http://pan.baidu.com/s/1kVRRPDd 密碼：1cdt

第三部分：下載voc07資料
開啟終端（任何目錄）輸入：
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

第四部分：voc07測試預訓練模型
終端輸入：
cd $pva-faster-rcnn
1、full/test.model測試：
./tools/test_net.py --gpu 0 --def models/pvanet/full/test.pt --net models/pvanet/full/test.model --cfg models/pvanet/cfgs/submit_160715.yml
2、Comp/test.model測試：
./tools/test_net.py --gpu 0 --def models/pvanet/comp/test.pt --net models/pvanet/comp/test.model --cfg models/pvanet/cfgs/submit_160715.yml
此測試會得到系列類別的AP值

第五部分：預訓練model訓練並測試voc07資料
終端輸入：
1、訓練：
cd $pva-faster-rcnn
./tools/train_net.py --gpu 0 --solver models/pvanet/example_finetune/solver.prototxt --weights models/pvanet/full/test.model –iters 100000 --cfg models/pvanet/cfgs/train.yml –imdb voc_2007_trainval(其他引數預設)
訓練結果會在pva根目錄生成output資料夾，模型就在裡面
2、測試：
./tools/test_net.py --gpu 0 --def models/pvanet/example_finetune/test.prototxt --net output/faster_rcnn_pavnet/voc_2007_trainval/pvanet_frcnn_iter_100000.caffemodel --cfg models/pvanet/cfgs/submit_160715.yml (其他引數預設)

第六部分：預訓練model訓練並測試自己資料
1、資料製作：
還記得fasterrcnn資料如何製作的嗎？參考部落格http://blog.csdn.net/samylee/article/details/51201744
Tips：參考voc07的資料格式，我們可發現，生成的資料最後只需保留Annotations、ImageSets和JPEGImages三個資料夾即可，ImageSets/Main檔案中用到的只有trainval.txt和test.txt這兩個檔案（資料分佈：trainval=train+val,all_data=trainval+test），多類別如果增加負樣本或模糊樣本可以考慮1、0及-1操作（其中1表示有目標，0表示模糊目標，-1表示沒有目標）
資料集製作完成後將這三個資料夾複製至一個資料夾（命名為VOC2007）當中，再移動至$pva-faster-rcnn/data/VOCdevkit2007中，替換原來的VOC2007

2、類別設定：（有幾類設定幾類，類似fasterrcnn，我的資料集為1類行人資料）

1）開啟檔案/models/pvanet/example_finetune/train.prototxt

num_classes:2（開頭處）（我實驗時一類）

2）修改lib/datasets/pascal_voc.py

self._classes = ('__background__', # always index 0
                              'people')（只有這一類）

3）修改lib/datasets/imdb.py

      if boxes[b][2]< boxes[b][0]:

         boxes[b][0] = 0

4）修改完pascal_voc.py和imdb.py後進入lib/datasets目錄下刪除原來的pascal_voc.pyc和imdb.pyc檔案，重新生成這兩個檔案，因為這兩個檔案是python編譯後的檔案，系統會直接呼叫。

終端進入lib/datasets檔案目錄輸入：

python(此處應出現python的版本)

>>>import py_compile

>>>py_compile.compile(r'imdb.py')

>>>py_compile.compile(r'pascal_voc.py')

3、訓練資料：
cd $pva-faster-rcnn
./tools/train_net.py --gpu 0 --solver models/pvanet/example_finetune/solver.prototxt --weights models/pvanet/full/test.model –iters 100000 --cfg models/pvanet/cfgs/train.yml –imdb voc_2007_trainval(其他引數預設)
4、測試模型：
./tools/test_net.py --gpu 0 --def models/pvanet/example_finetune/test.prototxt --net output/faster_rcnn_pavnet/voc_2007_trainval/pvanet_frcnn_iter_100000.caffemodel --cfg models/pvanet/cfgs/submit_160715.yml (其他引數預設)

第七部分：實驗結果
目前我訓練了10000左右，loss為0.1左右，其他四個引數分別在0.2、0.1、0.01、0.01左右
後續工作可做demo演示程式，小夥伴們盡請期待！

任何問題請加唯一QQ2258205918(名稱samylee)  !!!