移动端实时目标检测网络Mobilenet_v2-ssdlite及其keras实现(附代码地址)

目标检测网络一般分为one-stage和two-stage。two-stage的检测网络基于Region Proposal，包括：R-CNN，Fast R-CNN，Faster R-CNN等，虽然精度相对较高，但是检测速度过慢，一帧需要几秒的时间，远远达不到实时。而one-stage的检测网络，包括SSD和YOLO，虽然相比two-stage网络速度较快，但在移动端还打不到试试效果，而且网络本身过大，并不适合移动端使用。

Mobilenet_v2-ssdlite是由google提出，将轻量级网络Mobilenet_v2替换SSD网络中的VGG部分，并且将其中的普通卷积替换为深度可分离试卷积，不仅提升了SSD的检测效果，同时也使检测速度有了质的提升，而且模型大小也比原本SSD小了几倍。

由于Mobilenet_v2-ssdlite的开源代码只有caffe版本，而且虽也有在tensorflow框架中集成，作为开放API，但是并不利于人们学习其原理和二次开发。

本人根据tensorflow框架的预训练Mobilenet_v2-ssdlite模型文件，在keras框架下重新创建了其模型结构，并将模型参数成功地转换为keras框架可读取的格式。然后在此基础上进行fine-tuning，训练出keras版本的Mobilenet_v2-ssdlite检测网络，其最终检测精度与原模型相当。由于模型结构一致，因此速度可达到与原模型相同的效果。

现已将代码上传到github上，以供大家参考与相互学习。代码地址为：https://github.com/markshih91/mobilenet_v2_ssdlite_keras