我使用的代码链接在这里 https://github.com/smallcorgi/Faster-RCNN_TF
我处理自己数据的标记工具在这里 https://github.com/tzutalin/labelImg
为了最小程度的修改源代码，我把自己的数据处理成和 VOC2007 文件格式一模一样的结构。这样，只需要修改 classes 里的类别就可以了，路径的问题完全不用管。
修改的文件路径
/home/deep/jcx/Faster-RCNN_TF/lib/datasets/pascal_voc.py
修改为自己数据的类
/home/deep/jcx/Faster-RCNN_TF/lib/networks/VGGnet_train.py
修改类的个数
/home/deep/jcx/Faster-RCNN_TF/lib/networks/VGGnet_test.py
修改类的个数
以上就是我修改的所有地方，简单吧 :D
训练我们的数据
训练前要把官方的数据替换掉，如果你拿原始VOC数据训练过，还需要把load的数据和模型删掉。
需要删除这两个目录下的文件：
/home/deep/jcx/Faster-RCNN_TF/data/cache
/home/deep/jcx/Faster-RCNN_TF/output/faster_rcnn_end2end
开始训练
首先要到根目录 Faster-RCNN_TF
然后到lib目录下执行：
export PATH=$PATH:/usr/local/cuda-8.0/bin/
make
退回到Faster-RCNN_TF执行：
./experiments/scripts/faster_rcnn_end2end.sh gpu 0 VGG16 pascal_voc
★注意：训练到最后会报错，提示 --weights: expected one argument, 这时候需要添加我们训练好的模型路径。在训练阶段。
开始测试
执行test_net.py 并添加了--weights 的参数。
执行前查看 /home/deep/jcx/Faster-RCNN_TF/data/VOCdevkit2007/annotations_cache/annots.pkl 的缓存文件是不是清空的。
python ./tools/test_net.py --device gpu --device_id 0 --weights /home/deep/jcx/Faster-RCNN_TF/output/faster_rcnn_end2end/voc_2007_trainval/VGGnet_fast_rcnn_iter_70000.ckpt --imdb voc_2007_test --cfg experiments/cfgs/faster_rcnn_end2end.yml --network VGGnet_test
使用 demo.py 检测从网上找到的相关皮肤病图片
直接用模型对相关图片进行目标检测
首先要把 demo.py 文件里的 CLASSES 要与之前修改的类别保持一致
/home/deep/jcx/Faster-RCNN_TF/tools
在文件根目录下面执行此命令，开始生成结果：
python ./tools/demo.py --model /home/deep/jcx/Faster-RCNN_TF/output/faster_rcnn_end2end/voc_2007_trainval/VGGnet_fast_rcnn_iter_70000.ckpt
保存标记好的图片
在 demo.py 里添加我们要保存图片的路径
结果展示
