目标检测：caffe-ssd编译、训练和测试全过程记录
个人微信公众号：AI研习图书馆，欢迎关注~
深度学习知识及资源分享，学习交流，共同进步~
1. 引言
SSD是一个端到端的网络，既借鉴了Faster RCNN中anchor boxes的概念、又借鉴了YOLO将检测转化为回归的思想，在它们的基础上，提出“从多层layer的feature maps上分别得到bounding box以实现多尺度检测”的思想，在速度和精度上都取得了卓越的表现。
现在，我们就在caffe框架下，来简单复现一下SSD网络。
2. 实现
2.1 caffe-ssd编译
首先，下载caffe-ssd，安装并编译。
https://github.com/weiliu89/caffe.git
git checkout ssd
跟编译caffe-master 是一样的,进入到caffe的根目录里：
cp Makefile.config.example Makefile.config
进入Makefile.config，设置如下，我们需要使用USE_CUDNN(前提你安装了CUDNN）
配置文件中其他地方的修改和caffe-master相同，相同机器可以直接拷贝使用，这里提供修改文件的教程，我的另一篇博客，和caffe一样修改，链接：修改配置文件教程
修改完成后，在caffe-ssd根目录，进行编译：
cd caffe-ssd
suso make all -j16
sudo make test -j16
sudo make runtest -j16
sudo make pycaffe
如果没有报错，则编译成功！
如果报错，根据错误提示，参考我的其它博客，即可解决！
2.2 下载数据集
这里采用官方使用数据集进行试实验，如果需要制作自己的数据集实验，请参看我的另一篇博客，voc数据集制作教程。
链接：制作自己的VOC数据教程
-
预训练模型下载：
可在caffe-ssd GitHub项目首页链接中下载，也可在以下网盘下载，更快一点。链接: https://pan.baidu.com/s/1nuGojSP 密码: v9bg
-
下载VOC2007、VOC2012数据集
官网下载比较慢了，已经上传到了百度云。
下载链接: https://pan.baidu.com/s/1mhVjuSo 密码: 8nm7
在home主目录下：
mkdir data
cd data
把刚才下载的数据解压到data目录下
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar
注： 请按照以上顺序解压
2.3 生成lmdb文件
这里，我把pycaffe的环境加入～/.bashrc文件中：
export PYTHONPATH=$PYTHONPATH:..../caffe/python
source ~/.bashrc
进入到caffe 的根目录下：
./data/VOC0712/create_list.sh
./data/VOC0712/create_data.sh
2.4 训练过程及在线演示
1、训练数据集
打开caffe/examples/ssd/ssd_pascal.py，看到gpus=‘0,1,2,3’ 要改成gpus=‘0’
具体怎么看自己gpu id?
nvidia-smi
修改下 batch_size=1和 test_batch_size=1 （显存太小了，所以把网格设小点，根据自己显卡承受能力修改，能跑起来即可）
注意：迭代数增加，loss应该是逐渐减小，不然就容易发散了。
大概迭代到10000次，会test下，把test_batch_size设置为1,不然会出现显存溢出的情况。
2、测试模型
把训练好的模型进行测试，这里总共迭代了240000次。
修改里面相应路径，即可运行。如果和作者一样路径，则无需修改。
python examples/ssd/score_ssd_pascal.py
一般的情况下，训练完成，map在0.7左右。
可以根据SSD文件下，相应测试代码，进行在线实时检测，视频检测，以及一般的图片检测。
1.测试单张图片
测试程序为/examples/ssd/ssd_detect.py，运行之前，我们需要修改相关路径代码，ssd_detect.py作如下修改（#部分为修改内容）：
parser.add_argument('--labelmap_file',
default='data/VOC0712/labelmap_voc.prototxt')#**修改为你的路径**
parser.add_argument('--model_def',
default='models/VGGNet/VOC0712/SSD_300x300/deploy.prototxt')#**修改为你的路径**
parser.add_argument('--image_resize', default=300, type=int)
parser.add_argument('--model_weights',
default='models/VGGNet/VOC0712/SSD_300x300/'#**修改为你的路径**
'VGG_VOC0712_SSD_300x300_iter_120000.caffemodel')
parser.add_argument('--image_file', default='examples/images/fish-bike.jpg')#**修改为你的路径**
上述修改完成后，在caffe（ssd）根目录下运行：
Python ./example/ssd/ssd_detect.py
在caffe根目录下会生成检测结果图像。
2.批量检测多张图片
修改ssd_detect.py的代码，加个for循环即可。
代码链接：https://download.csdn.net/download/yu734390853/10275197
*********************************************
您的支持，是我不断创作的最大动力~
欢迎点赞，关注，留言交流~
深度学习，乐此不疲~
个人微信公众号，精彩不断，欢迎关注~
