ssd訓練自己的數據（物體檢測），並測試模型

寫在前面：首先，你安裝了ssd，並測試了VOC數據

    *********************************************************

第一部分：數據準備（任務繁重）
1.標數據（生成的bounding box是txt格式），標數據的工具：鏈接：https://pan.baidu.com/s/1dvOXkW3xJtm9g4jR-3ZDhQ 密碼：7eqr

2.將txt格式轉化爲VOC格式，代碼鏈接：https://download.csdn.net/download/yu734390853/10274930

3.在/home/$你的服務器命/data/VOCdevkit下建立自己的數據集名稱（以我的爲例，我建立的是MyDataSet），在MyDataSet目錄下需包含Annotations、ImageSets、JPEGImages三個文件夾：
Annotations目錄下存放第二步生成的xml格式數據文件。
ImageSet目錄下包含Main文件下，在ImageSets\Main裏有四個txt文件：test.txt train.txt trainval.txt val.txt；

生成這四個txt文件的代碼如下（Python）（根據自己的路徑修改）：

import os  
import random  

trainval_percent = 0.66  
train_percent = 0.5  
xmlfilepath = 'Annotations'  
txtsavepath = 'ImageSets\Main'  
total_xml = os.listdir(xmlfilepath)  

num=len(total_xml)  
list=range(num)  
tv=int(num*trainval_percent)  
tr=int(tv*train_percent)  
trainval= random.sample(list,tv)  
train=random.sample(trainval,tr)  

ftrainval = open('ImageSets/Main/trainval.txt', 'w')  
ftest = open('ImageSets/Main/test.txt', 'w')  
ftrain = open('ImageSets/Main/train.txt', 'w')  
fval = open('ImageSets/Main/val.txt', 'w')  

for i  in list:  
    name=total_xml[i][:-4]+'\n'  
    if i in trainval:  
        ftrainval.write(name)  
        if i in train:  
            ftrain.write(name)  
        else:  
            fval.write(name)  
    else:  
        ftest.write(name)  

ftrainval.close()  
ftrain.close()  
fval.close()  
ftest .close()  

txt文件中的內容爲圖片名字(無後綴)。

JPEGImages目錄下存放所有的數據圖片

4.在caffe-ssd/data目錄下創建一個自己的文件夾MyDataSet（以我的爲例）：

cd data
mkdir MyDataSet

把data/VOC0712目錄下的create_list.sh 、create_data.sh、labelmap_voc.prototxt 這三個文件拷貝到MyDataSet下（以我的爲例）：

cp VOC0712/create_list.sh MyDataSet/
cp VOC0712/create_data.sh MyDataSet/
cp VOC0712/labelmap_voc.prototxt MyDataSet/

5.在caffe-ssd/examples下創建MyDataSet文件夾：

mkdir MyDateSet

用於存放後續生成的lmdb文件；
6.修改labelmap_voc.prototxt文件（改成自己的類別），以及create_list.sh和create_data.sh文件中的相關路徑；

#labelmap_voc.prototxt需修改：
item {
  name: "none_of_the_above"
  label: 0
  display_name: "background"
}
item {
  name: "aeroplane"
  label: 1
  display_name: "person"
}

#create_list.sh需修改：
root_dir=/home/yi_miao/data/Mydataset/
...
for name in yourownset
...
#if [[ $dataset == "test" && $name == "VOC2012" ]]
# then
#  continue
# fi

#create_data.sh需修改：
root_dir=/home/yi_miao/caffe-ssd
data_root_dir="/home/yi_miao/data/Mydataset"
dataset_name="Mydataset"

7.在caffe（ssd）根目錄下運行命令：

./data/mydataset/create_list.sh
./data/mydataset/create_data.sh

此時，在examples/mydataset/文件夾下可以看到兩個子文件夾, mydataset_trainval_lmdb, mydataset_test_lmdb；裏面均包含data.dmb和lock.dmb;

        ******到此爲止,我們的數據集就做好了。******

接下來
第二部分：開始訓練

1.訓練時使用ssd demo中提供的預訓練好的VGGnet model ：鏈接：https://pan.baidu.com/s/18ZuLkByyEUNRfd90L21Nkw 密碼：ylnx
將該模型保存到 ： caffe/models/VGGNet下（沒有VGGNet，就新建一個）。

2.訓練程序爲/examples/ssd/ssd_pascal.py，運行之前，我們需要修改相關路徑代碼，ssd_pascal.py作如下修改：

82行：train_data路徑；
84行：test_data路徑；
237-246行：model_name、save_dir、snapshot_dir、job_dir、output_result_dir路徑；
259-263行：name_size_file、label_map_file路徑；
266行：num_classes修改爲1 + 類別數;
360行：num_test_image：測試集圖片數目

另外， 如果你只有一個GPU, 需要修改285行： gpus=”0,1,2,3” ===> 改爲”0” ，如果出現 out of memory，則將batch size 相應改小一些。

3.上述修改完成後，在caffe（ssd）根目錄下運行：

python ./examples/ssd/ssd_pascal.py 

 開始訓練...............................

第三部分：測試

1.測試單張圖片
測試程序爲/examples/ssd/ssd_detect.py，運行之前，我們需要修改相關路徑代碼，ssd_detect.py作如下修改（#部分爲修改內容）：

 parser.add_argument('--labelmap_file',
                        default='data/VOC0712/labelmap_voc.prototxt')#**修改爲你的路徑**
    parser.add_argument('--model_def',
                        default='models/VGGNet/VOC0712/SSD_300x300/deploy.prototxt')#**修改爲你的路徑**
    parser.add_argument('--image_resize', default=300, type=int)
    parser.add_argument('--model_weights',
                        default='models/VGGNet/VOC0712/SSD_300x300/'#**修改爲你的路徑**
                        'VGG_VOC0712_SSD_300x300_iter_120000.caffemodel')
    parser.add_argument('--image_file', default='examples/images/fish-bike.jpg')#**修改爲你的路徑**

上述修改完成後，在caffe（ssd）根目錄下運行：

Python ./example/ssd/ssd_detect.py

在caffe根目錄下會生成檢測結果圖像。

2.批量檢測多張圖片
修改ssd_detect.py的代碼（加個for循環），代碼鏈接：https://download.csdn.net/download/yu734390853/10275197

       *********************************************

有任何問題歡迎交流，QQ：734390853