第一部分：制作自己的数据集
实验中我用的数据集是471张行人图片（由于部分原因，数据集不能公开，望大家见谅），标出其中的行人位置作为数据标签，所以我只检测了一类，原来的voc是检测20类的，这里我们为了做实验的方便，所以选择一类训练，加上背景为两类。
1、所需文件
Annotations和ImageSets和JPEGImages文件夹名称，删除其中所有的文件（保留文件夹），并删除SegmenttationClass和SegmentationObject文件夹（用不到）。其中Annotations保存标签txt转换的xml文件，ImageSets保存train.txt、trainval.txt、test.txt、val.txt四个文件分别储存在layout、main和Segmentation文件夹中，最后JPEGImages保存所训练的数据。完整格式图片如下图所示：
2、Annotations中xml文件的制作
（1）标签txt可以使用matlab或python程序制作，这里不再赘述，文件格式：
链接：http://pan.baidu.com/s/1o85scXG 密码：mo3r），生成格式如下：
链接：http://pan.baidu.com/s/1midBOjY 密码：jelr），具体制作代码这里不再提供，大家可以用matlab或Python编写。
第二部分、修改调用文件
1、 prototxt配置文件
stage1_rpn_train.pt、stage1_fast_rcnn_train.pt、stage2_rpn_train.pt、stage2_fast_rcnn_train.pt和fast_rcnn_test.pt，修改格式如下：
num_class:2（识别1类+背景1类），cls_score中num_output：2，bbox_pred中num_output：8。（只有这3个）
num_class:2（识别1类+背景1类）
cls_score中num_output：2，bbox_pred中num_output：8（只有这2个）
2、 修改lib/datasets/pascal_voc.py
self._classes = ('__background__', # always index 0
'people')（只有这一类）
3、修改lib/datasets/imdb.py
数据整理，在一行代码为
boxes[:, 2] = widths[i] - oldx1 - 1
下加入代码：
for b in range(len(boxes)):
if boxes[b][2]< boxes[b][0]:
boxes[b][0] = 0
删除原来的pascal_voc.pyc和imdb.pyc文件，重新生成这两个文件，因为这两个文件是python编译后的文件，系统会直接调用。
终端进入lib/datasets文件目录输入：
python(此处应出现python的版本)
>>>importpy_compile
>>>py_compile.compile(r'imdb.py')
>>>py_compile.compile(r'pascal_voc.py')
第三部分、训练自己的数据
终端进入py-faster-rcnn下输入：
./experiments/scripts/faster_rcnn_alt_opt.sh0 ZF pascal_voc
第四部分：demo自己刚刚生成的ZF_models
ZF_faster_rcnn_final.caffemodel拷贝到data/faster_rcnn_models（删除以前生成类似的model）中。
2、修改/tools/demo.py为：
(1) CLASSES =('__background__',
'people')（只有这两类）
(2) NETS ={'vgg16': ('VGG16',
'VGG16_faster_rcnn_final.caffemodel'),
'zf': ('ZF',
'ZF_faster_rcnn_final.caffemodel')}
(3)在训练集图片中找一张出来放入py-faster-rcnn/data/demo文件夹中，命名为000001.jpg。
'000001.jpg']（只需这一类图片的一张，其他删除或注销）
for im_name in im_names:
print '~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~'
print 'Demo for data/demo/{}'.format(im_name)
demo(net, im_name)
3、运行demo，即在py-faster-rcnn文件夹下终端输入：
./tools/demo.py --net zf
