SSD训练自己的数据集

参考一步一步带你训练自己的SSD检测算法

问题 ：IndexError: too many indices for array

https://github.com/amdegroot/ssd.pytorch/issues/224

拷贝里面的代码，虽然和我的类是不一样的，我的只有一个person（代码给的类是voc的），但是可以找到里面没有object的xml文件

如果没有问题显示的结果如下，有问题会提醒你哪个xml文件里面的object为空

#  !usr/bin/env python
#  -*- coding:utf-8 _*-
"""
@Author:Linda Lee
@Time:2020/7/10 下午4:56
"""
import argparse
import sys
import cv2
import os

import os.path as osp
import numpy as np

if sys.version_info[0] == 2:
    import xml.etree.cElementTree as ET
else:
    import xml.etree.ElementTree  as ET

parser = argparse.ArgumentParser(
    description='Single Shot MultiBox Detector Training With Pytorch')
train_set = parser.add_mutually_exclusive_group()

parser.add_argument('--root', default="datasets/VOC2007", help='Dataset root directory path')

args = parser.parse_args()

CLASSES = (  # always index 0
    'person')

annopath = osp.join('%s', 'Annotations', '%s.{}'.format("xml"))
imgpath = osp.join('%s', 'JPEGImages', '%s.{}'.format("jpg"))


if sys.version_info[0] == 2:
    import xml.etree.cElementTree as ET
else:
    import xml.etree.ElementTree  as ET


parser    = argparse.ArgumentParser(
            description='Single Shot MultiBox Detector Training With Pytorch')
train_set = parser.add_mutually_exclusive_group()

parser.add_argument('--root', help='Dataset root directory path')

args = parser.parse_args()

CLASSES = (  # always index 0
    'aeroplane', 'bicycle', 'bird', 'boat',
    'bottle', 'bus', 'car', 'cat', 'chair',
    'cow', 'diningtable', 'dog', 'horse',
    'motorbike', 'person', 'pottedplant',
    'sheep', 'sofa', 'train', 'tvmonitor')

annopath = osp.join('%s', 'Annotations', '%s.{}'.format("xml"))
imgpath  = osp.join('%s', 'JPEGImages',  '%s.{}'.format("jpg"))

def vocChecker(image_id, width, height, keep_difficult = False):
    target   = ET.parse(annopath % image_id).getroot()
    res      = []

    for obj in target.iter('object'):

        difficult = int(obj.find('difficult').text) == 1

        if not keep_difficult and difficult:
            continue

        name = obj.find('name').text.lower().strip()
        bbox = obj.find('bndbox')

        pts    = ['xmin', 'ymin', 'xmax', 'ymax']
        bndbox = []

        for i, pt in enumerate(pts):

            cur_pt = int(bbox.find(pt).text) - 1
            # scale height or width
            cur_pt = float(cur_pt) / width if i % 2 == 0 else float(cur_pt) / height

            bndbox.append(cur_pt)

        print(name)
        label_idx =  dict(zip(CLASSES, range(len(CLASSES))))[name]
        bndbox.append(label_idx)
        res += [bndbox]  # [xmin, ymin, xmax, ymax, label_ind]
        # img_id = target.find('filename').text[:-4]
    print(res)
    try :
        print(np.array(res)[:,4])
        print(np.array(res)[:,:4])
    except IndexError:
        print("\nINDEX ERROR HERE !\n")
        exit(0)
    return res  # [[xmin, ymin, xmax, ymax, label_ind], ... ]

if __name__ == '__main__' :

    i = 0

    for name in sorted(os.listdir(osp.join(args.root,'Annotations'))):
    # as we have only one annotations file per image
        i += 1

        img    = cv2.imread(imgpath  % (args.root,name.split('.')[0]))
        height, width, channels = img.shape
        print("path : {}".format(annopath % (args.root,name.split('.')[0])))
        res = vocChecker((args.root, name.split('.')[0]), height, width)
    print("Total of annotations : {}".format(i))

SSD

我选择的代码

Visdom

时间原因首先读了摘要
readme里的visdom我一直不知道是什么

jupyter

而且这个代码是demo.ipynb,要使用jupyter
ipynb interactive python notebook 也就是交互式python记事本, 这个i 代表的 interactive，也就是交互式，我理解为用户可以在这个notebook上操作，比如运行和编辑，然后控制台也会返回给你结果
安装的代码

pip install jupyter

调用的代码，之后会打开浏览器jupyter

jupyter notebook

jupyter让我这个新手小白放弃了
转战b站发现了keras，从此往后是keras的，再搭环境

装好keras之后没有用source activate keraspy36直接在bash环境了装包，然后就把conda整没了，重新安装了anoconda解决了问题

keras搭环境安装依赖

因为参考的代码是参考一下这两个代码的，一个有具体的要求，一个有模糊的要求，所以就按照有具体要求的版本安装了，用==就可以。跑这些会二次利用的网络大代码的时候，还是创建独立的环境比较好，不然跑通一个，另外一个把它的环境更新了，还需要重新安装太费时间。再次强调用清华镜像会很快

conda install keras==2.2.0
conda install opencv-python==3.3.0

如上图安装了对应版本的tensorflow和keras之后，发现存在版本不匹配的问题，readme指定版本的环境真的不要太多坑
这意味着您必须运行在这方面一致的TF和Keras版本，即以相同名称调用此参数的版本。如果运行Keras 2.1.5或更高版本，则还必须运行TF 1.5 / 1.6或更高版本。相反，如果运行TF 1.4或更早版本，则还必须运行Keras 2.1.4或更早版本。

conda uninstall tensorflow

只要一遇到tensorflow我就会把conda整没，如下

source activate keraspy36
Traceback (most recent call last):
  File "/home/lyl/anaconda3/bin/conda", line 7, in 
    from conda.cli import main
ModuleNotFoundError: No module named 'conda'

本来好好的，提出让我更新conda，得我按照shell的命令更新之后，说我的conda又没有了，同样的问题出现过3次，上午的时候，我重新安装旧版本的
就是这个有毒的警告，其实警告不是error不要管也可的，而且很多最新版本的conda对于tensorflow 的兼容并不好，所以不用非更新到最新版本的。

bash Anaconda3-5.1.0-Linux-x86_64.sh -u

完美解决，重新安装anaconda相关信息，但是env中的自定义环境中的安装包不会受影响影响
这次继续安装这个旧版本的就不行了，到网上下载了新的版本
上面是清华镜像的，下面是官网的，但是清华的更新版本不快，相差一年，还是开手机的热点下载比较快