MATLAB2018b使用自己的数据训练faster-RCNN步骤及报错解决

本文内容：

一.在MATLAB2018b使用自己的数据训练faster-RCNN（MATLAB集成了faster-rcnn，所以并不需要配置caffe和Visual Studio）

二.报错和解决方法

环境说明：MATLAB2018b+win10 64x

一、训练faster-RCNN

1.准备自己的数据集

按照https://blog.csdn.net/Le0virg0/article/details/86712196博客进行数据集准备，当然也可以替换为自己的数据。（该博客将图像都resize了，目的是避免图像太大导致训练时显存不足；此外，标注框并不需要长宽都大于30个像素）

注意：标注完所有框后，save----->session；export当前数据。过程如图：

save session后，下一次打开Image Label时load 该session就可以进入之前的标注界面。

将标注数据保存在桌面后，save('stopsighdata.mat');（我上面那张图写错成“stopresighdata”，应该是“stopsighdata”）

2.训练网络

可以用alexnet或者resnet101进行训练 .注意：“Minibatchsize”必须为1

%载入标定结果 load('stopsigndata.mat'); %参数 options = trainingOptions('sgdm', ... 'MiniBatchSize', 1, ... 'InitialLearnRate', 1e-4, ... 'LearnRateSchedule', 'piecewise', ... 'LearnRateDropFactor', 0.1, ... 'LearnRateDropPeriod', 100, ... 'MaxEpochs', 20, ... 'CheckpointPath', tempdir, ... 'Verbose', true, ... 'ExecutionEnvironment', 'gpu'); %训练 FD_Detector = trainFasterRCNNObjectDetector(stopsigndata,alexnet,options);