caffe+ubuntu+MobileNet-SSD训练UAV数据集

首先说下环境：ubuntu16.04，cuda9，cudnn7.5，python2.7.12，opencv2.14

caffe框架

数据集已经转好为IMDB格式：https://blog.csdn.net/zxmyoung/article/details/108469964

利用MobileNetSSD进行训练

由于VOC数据集是21类（加上背景），而这里只有7类（加上背景），因此，我们需要重新生成训练、测试和运行网络文件，这里就要用到gen_model.sh脚本，它会调用template文件夹中的模板，按照我们指定的参数，生成所需的训练网络模型。这个脚本的用法usage:    CLASSNUM 对应label的个数 + backgroud =7

./gen_model.sh CLASSNUM

执行之后，得到examples文件夹，里面的3个prototxt就是从模板生成的正式网络定义，根据作者设置，其中的deploy文件是已经合并过bn层的，需要后面配套使用。

 

将在example中生成的MyDataSet文件里面的两个数据集超链接全部复制到MobileNetSSD中去，并且将名字改成如下图所示的名称。

 

修改超参数、指定预训练模型，开始model训练
按照自身要求修改solver_test.prototxt和solver_train.prototxt中的超参数；（新手可以不动）

其中test_iter=测试集图片数量（869）/batchsize；初始学习率不宜太高，否则基础权重破坏比较严重；优化算法是RMSProp，可能对收敛有好处，不要改成SGD，也是为了保护权重。

 然后，修改预训练模型为：

开始训练了：

在/home/zhai/experiment/caffe-ssd-master/caffe/examples/MobileNet-SSD-UAV下 修改并运行train.sh脚本，中途可以不断调节参数。训练结束后，运行test.sh脚本，测试网络的精度值。

sh train.sh

待补充。。。。。