SSD算法的MXNet实现
前段时间看到一个SSD（SSD：single shot multibox detector ）算法的MXNet实现，代码风格不错，特来分享。
SSD算法的介绍可以参看博客：SSD（single shot multibox detector）算法及Caffe代码详解
github地址：https://github.com/zhreshold/mxnet-ssd
接下来结合亲自实验列一下如何跑这个模型，系统：Ubuntu 16.04
1、本地安装好MXNet
参考官网：https://mxnet.incubator.apache.org/get_started/install.html
基本上按照流程敲完命令即可安装完毕，实在不想自己安装，可以用docker镜像。
2、跑demo
2.1 先拉取mxnet-ssd项目
git clone --recursive https://github.com/zhreshold/mxnet-ssd.git拉取下来的项目默认名称为mxnet-ssd
2.2 下载训练好的ssd模型
下载地址
下载成功后，把.params文件和.json文件放在项目的model文件夹下，如下图：
2.3 运行demo
cd /path/to/mxnet-ssd
python demo.py --gpu 03、训练模型
3.1、下载数据集
这里以pascal VOC数据集为例，先在命令行进入到你要存放数据集的文件夹，然后命令行输入：
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解压
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar这里将用VOCtrainval2007和VOCtrainval2012作为训练集（VOC2007的trainval一共有5011张图像，VOC2012的trainval一共有11540张图像，因此训练的图像一共有16551张），将VOCtest2007作为测试集（VOC2007的test一共有4952张图像，也就是测试的图像一共有4952张）。因此最后数据的存放路径大概是这样：
~/VOCdevkit/VOC2007
~/VOCdevkit/VOC2012然后用一个链接将你存放数据的地方链接到ssd项目的data文件夹下，命令行输入：
ln -s /path/to/VOCdevkit /path/to/this_example/data/VOCdevkit比如我将VOC数据集放在/home/data/VOCdevkit/下，ssd项目在/home/project/mxnet-ssd/下，那么就要输入：
ln -s /home/data/VOCdevkit /home/project/mxnet-ssd/data/VOCdevkit这样在mxnet-ssd/data/文件夹下就会有这个：
最后我们要生成.lst和.rec文件：
先在命令行进入mxnet-ssd的tools文件夹下，然后运行：
sh prepare_pascal.sh生成的.lst和.rec文件在mxnet-ssd/data/文件夹下：
3.2、下载预训练的vgg16_reduced模型
下载地址
解压后将.params和.json文件放在mxnet-ssd/model/文件夹下。
3.3、训练模型
在mxnet-ssd目录下运行：
python train.py如果你需要修改一些参数，可以在后面加上，比如：
python train.py --gpus 0,1 --batch-size 32 --lr 0.001具体参数可以看train.py这个脚本。
贴一张正在训练的模型的输出：
