用ImageNet的数据集训练Faster R-CNN（未完）

训练结果

第一次训练，ZF，30W张图片，201类，迭代80k40K，mAP: 18.0%

第二次训练，ZF，10W张图片，201类，迭代80k40K，mAP: 20.1%

某次训练结果，ZF，10W张图片，201类，mAP结果如下



个人认为23.0%还不是faster的极限，所以在研究如何提高mAP。

问题汇总

总结：

ImageNet训练数据集部分标注缺失object标签

ImageNet训练数据集object的宽高比过大

问题1: 训练迭代过程假死状态，假死代码断

self.solver.step(1)

，是因为ImageNet有部分数据图片的.xml标注文件中缺少object标签。点击查看详细讨论

问题2: 训练的数据集中object的宽高比有一定要求。否则会在RPN训练迭代过程中报如下错，原因是宽高比过大或者过小，产生的anchors在塞选inside_anchors的过程中没有找到合适的anchor，使得overlaps只有0个元素。

anchor_target_layer.py”, line 137, in forward

gt_argmax_overlaps = overlaps.argmax(axis=0)

ValueError: attempt to get argmax of an empty sequence

object的bounding box的宽高比

VOC2007：在0.117-15.500之间

ImageNet（ILSVRC2014）：在0.03-48.50之间

把数据的宽高比至少约束在0.117-15.500才能保证训练

问题3: 训练的数据集中image宽高不能太小。否则在做im_proposal的时候，发生假死现象。