用py-faster-rcnn训练自己的VOC数据集

数据集的制作遵循博主http://blog.csdn.net/gaohuazhao/article/details/60871886的规则，只需要四个步骤。

（1）用acdsee给图片重命名。比如说 000001.jpg.

 (2)用labelimg给图片标注

（3）替换VOC2007里面的annonations, imageset, JPEG之类，其中第二个文件夹的main.py需要四个txt文件，第一个文件夹需要XML文件，labelimg可以生成。第三个文件夹放的就是命名好的图片

（4）更改几个配置文件，就是faster-rcnn设置的是21个类，需要在几个配置文件中改成自己的类别数+1.

然后就是训练。, 有很多人写的是利用命令行：experiments/scripts/faster_rcnn_end2end.sh experiments/scripts/faster_rcnn_alt_opt.sh 0 ZF pascal_voc来运行，但是容易出现错误（F0317 21:26:39.516222 13403 syncedmem.cpp:56] Check failed: error == cudaSuccess (2 vs. 0) out
of memory），有人说需要更改faster-rcnn-root/lib/fast_rcnn/config.py中的batch_size,但是我看了另一个人回复的，使用

命令行：experiments/scripts/faster_rcnn_end2end.sh 0 ZF pascal_voc，利用end2end模式更省内存。

现在还在迭代。估计没啥问题了