SSD: Single Shot MultiBox Detector在Linux上的配置及运行

SSD: Single Shot MultiBox Detector在Linux上的配置及运行

本博客是由SSD官方教程翻译而来，并经过博主的实验验证，总结成这篇博客，希望对广大DL学者有帮助作用！

本实验是在4块TianTan X的服务器上做的实验（学校为了搞深度学习，也是大出血），其上搭建了Caffe框架，处理速度快。一般的深度学习960显卡也是足矣。

话不多说，正式开启SSD的研究之旅！

• SSD的安装
• 准备工作
• 训练模型
• 实验效果
• 后期工作
• 作者给定的预训练模型

---

SSD的安装

• 在home目录下，获取SSD的代码，下载完成后有一个caffe文件夹

   git clone https://github.com/weiliu89/caffe.git
   cd caffe
   git checkout ssd

• 进入下载好的caffe目录，复制配置文件

   cd /home/usrname/caffe
   cp Makefile.config.example Makefile.config

• 编译caffe三部曲

   make -j8  //-j8根据本机的处理器配置，8是八核处理器的意思
   make test -j8
   make runtest -j8

• 额外编译，根据需要(因为SSD利用python完成，需编译pycaffe)

   make py

准备工作

• 下载预训练模型 fully convolutional reduced (atrous) VGGNet，将它放入caffe/models/VGGNet/目录下

• 下载VOC2007和VOC2012数据集，放到/home/data下。（请注意，这里改变了目录）

   cd ..
   mkdir data
   cd data/

• 下载数据集

   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

• 数据集解压

   tar -xvf VOCtrainval_11-May-2012.tar
   tar -xvf VOCtrainval_06-Nov-2007.tar
   tar -xvf VOCtest_06-Nov-2007.tar

• 将图片转化为LMDB文件，用于训练

   cd ..
   cd caffe/
   ./data/VOC0712/create_list.sh  
   ./data/VOC0712/create_data.sh

• 这里用的脚本实现批处理，可能会出现:no module named caffe等错误，这是由于caffe的Python环境变量未配置好，可按照下面方法解决：

   echo "export PYTHONPATH=/home/usrname/caffe/python" >> ~/.profile  
   source ~/.profile  
   echo $PYTHONPATH #检查环境变量的值

训练模型

• 在下载的caffe根目录执行如下命令训练，在examples/ssd下存在几个.py文件，训练的时间较长，迭代60000次，博主训练了一天！

   python examples/ssd/ssd_pascal.py

实验效果

（1）在图片测试集上测试

   python examples/ssd/score_ssd_pascal.py

利用它跑了一遍数据集，得出准确率可以达到百分之70多

（2）在视频上测试

   python examples/ssd/ssd_pascal_video.py 

博主利用师兄的行人视频做了测试，实时性高，但是漏检率蛮严重的，这是不可避免的


当然，直接跑是他自带的视频，想跑自己的代码的话，要先用vim打开该文件，定位到51行，修改视频路径为已有本地视频，这样就可以畅快的跑自己的视频

（3）在摄像头上测试

   python examples/ssd/ssd_pascal_webcam.py

博主移植到台式机上出现了问题，还没有改好bug，改好了会分享给大家

后期工作

• 研究SSD的python源代码，用来训练和检测交通标志

作者给定的预训练模型

如果没有好的机器配置或者省事一些的，可以使用作者给出的训练好的模型：

• Models trained on VOC0712：SSD300 SSD500

• 还有其他的模型，这里就不一一列举，感兴趣的可以去官方主页看，链接已在前面给出

  ---