MobileNet-SSD

有预训练：

https://github.com/shaoshengsong/MobileNetV3-SSD

 

有v2 ssd：

https://github.com/qfgaohao/pytorch-ssd

 

MobileNetV3-SSD，在tx2上，没有明显优势。

https://github.com/tongyuhome/MobileNetV3-SSD

 

MobileNet-SSD 与yolov3对比，精度低了很多，具体就是漏检多了很多。

https://github.com/jacke121/Object-detection-state-of-the-art-RCNN-YOLO-SSD

 

用于训练的数据有30类，数据量大概在95k左右，trainval_proportion和train_proportion都是0.9。

第一部分的训练MobileNetV3模型，每个EPOCH的训练时间在10min左右(GTX1070)，设置了20EPOCH之内没有收敛则停止训练，所以大概在140个EPOCH之后停止。训练之后在测试中能够达到99.60的准确率。

第二部分训练MobileNetV3 based SSD模型。这次的训练在进行了40个EPOCH停止，一方面是因为时间消耗太长，1070的算力不足，如果验证模型有效之后可以投入资源放置到服务器进行训练，所以用5类数据先进性训练会比较合理，另一方面为了得到更好的检测效果，希望尝试使用MobileNetV3-LARGE来代替现在使用的MobileNetV3-SMALL来进行训练。训练完成后我对这个MobileNetV3-SMALL based SSD - 40 EPOCH 模型进行了检测，结果如下：