SSD:运行你的第一个SSD模型进行目标检测

案例1：仅仅测试

该案例适合于你只是想测试一下SSD，用几张自己的图测试，得到结果，不自己训练模型。
代码1

• 使用方法：

本人环境：默认是装的ubuntu、安装了tensorflow-gpu、cuda、cudnn等环境、anacond3(py3.x)

下载好代码后，进入./checkpoint文件夹，解压文件。unzip ssd_300_vgg.ckpt.zip
打开终端，启动jupyter:jupyter notebook notebooks/ssd_notebook.ipynb

修改需要测试的图片为你自己的图片，然后这就可以进行你自己的图片测试了。

案例2：训练+测试

该案例适合于你希望自己训练SSD模型，然后再进行测试。

1、准备工作

代码2
预训练模型（存于GoogleDrive）/ 百度云 tg64：代码根目录下，创建一个model文件夹，解压后放于该文件夹。
训练图片：VOC2007、VOC2012
下载地址：

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  

下载办法：要么将上述链接直接放入命令窗口；要么复制http地址用浏览器下载。

下载好后解压，创建文件夹结构如上图所示。记住你的VOCROOT路径
一般留下这几个就可以了：图片png、图片名字txt、目标位置xml

JPEGImages/*.png
ImagesSets/Main/*.txt
Annotations/*.xml

然后打开命令行：注意VOCROOT换为你刚才的路径

python dataset/convert_tfrecords.py --dataset_directory=VOCROOT --output_directory=./dataset/tfrecords

运行结束后，就将数据处理好了。

2、训练

打开命令行，切换到在代码根目录下
输入：

python train_ssd.py

就开始训练了。
计算 MAP

python eval_ssd.py
python voc_eval.py

测试自己的图片：修改其中的np_image = imread('./demo/test.jpg')这一句图片为自己的图片，然后

python ssd_demo.py

然后就结束了。

---

---