最近一直在搞object detection玩，之前用的是faster-rcnn，準確率方面73.2%，效果還不錯，但是識別速度有點欠缺，我用的GPU是GTX980ti, 識別速度大概是15fps.最近發現SSD(single shot multibox detector) 這篇論文效果和速度都不錯，我自己實驗了一下，速度確實比faster-rcnn快不少。下面分兩部分來介紹。第一部分介紹SSD的安裝，第二部分介紹如何基於SSD訓練自己的數據集。
第一部分 SSD安裝
系統：ubuntu 14.04
語言：python
ssd項目主頁：https://github.com/weiliu89/caffe/tree/ssd
首先，我們把項目代碼clone下來, 然後編譯：
git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd接下來，我們開始編譯caffe,編譯caffe非常容易，這裏我們濾過，如若感興趣，可參考我之前的博客：http://blog.csdn.net/zhang_shuai12/article/details/52289825，此篇講的是caffe + cpu + ubuntu14.04的安裝， GPU版安裝需修改Makefile.config文件， 修改完成後：
make
make py到這裏我們就完成了SSD的安裝，接下來我們講一下如何訓練自己的數據集。
第二部分 訓練自己的數據集
首先我們不妨先跑一下項目的demo, 需要下載數據集，提前訓練好的數據集等。
下載預訓練的模型，鏈接：https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6，下載完成後保存在：
caffe/models/VGGNet/下載VOC2007和VOC2012數據集， 放在/data目錄下：
cd data
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar創建lmdb格式的數據：
cd caffe
./data/VOC0712/create_list.sh
# It will create lmdb files for trainval and test with encoded original image:
# - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_trainval_lmdb
# - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_test_lmdb
./data/VOC0712/create_data.sh訓練和測試：
python examples/ssd/ssd_pascal.py
論文中，作者已經預訓練好模型，下載鏈接：http://www.cs.unc.edu/%7Ewliu/projects/SSD/models_VGGNet_VOC0712_SSD_300x300.tar.gz，我們不必自己再去訓練, 下載完成後放入指定的文件夾下。
測試時，我們使用/example/ssd/目錄裏的ssd_detect.ipynb，運行這個文件，需要安裝ipython及ipython-notebook, 或者直接把裏面的代碼拷貝出來，寫到一個新的python文件裏，比如命名ssd_detector.py.
OK， 下面修改一系列文件來訓練自己的數據集
兩種方案， 第一：保持原來的文件目錄結構及文件名不變， 只替換裏面的數據。第二：重新新建一個與之前類似的目錄結構，改成自己命名的文件夾，第二種方法，有一定的風險性，需要修改程序裏涉及數據路徑的代碼。在之前講解的faster-rcnnan那篇博客中， 我們採用第一種方案。本次我們採用第二種方案。
在/data目錄下創建一個自己的文件夾：
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：
cp data/create* ./mydataset
cp data/label* ./mydatasetlabelmap_voc.prototxt, 此文件定義label。
在/data/VOCdevkit目錄下創建mydataset, 並放入自己的數據集:
cd data/VOCdevkit
mkdir mydataset
cd mydataset
mkdir Annotations
mkdir ImageSets
mkdir JPEGImages
cd ImageSets
mkdir Layout
mkdir Main
mkdir Segmentation其中Annotations中存放一些列XML文件，包含object的bbox，name等；
ImageSets中三個子目錄下均存放train.txt, val.txt, trainval.txt, test.txt這幾個文件，文件內容爲圖片的文件名（不帶後綴）；
JPEGImages存放所有的圖片；
在/examples下創建mydataset文件夾：
mkdir mydataset文件夾內存放生成的lmdb文件。
上述文件夾創建好後， 開始生成lmdb文件, 在創建之前需要修改相關路徑：
./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。接下來就開始訓練了。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：
cd /examples/ssd
vim sd_pascal.py， 修改如下：
57行： train_data路徑；
59行：test_data路徑；
197-203行：save_dir、snapshot_dir、job_dir、output_result_dir路徑；
216-220行： name_size_file、label_map_file路徑；
223行：num_classes 修改爲1 + 類別數
315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”
否則，訓練的時候會出錯。
修改完後運行
python ./examples/ssd/ssd_pascal.py 訓練完， 修改ssd_detector.py中模型路徑， 任意找一張圖片識別，看看效果怎麼樣。
如果在這過程中有什麼問題， 可隨時私信我。
參考：
【1】《SSD: Single Shot MultiBox Detector》 By Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexander C. Berg.
【2】https://github.com/weiliu89/caffe/tree/ssd
