SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录

安装SSD

# SSD代码clone到 caffe-ssd文件夹下
git clone --recursive https://github.com/weiliu89/caffe.git caffe-ssd
cd caffe-ssd
# 选择ssd分支
git checkout ssd

编译caffe

对于一个新的ubuntu系统,编译caffe需要安装相应依赖库,如果你成功编译过caffe和faster rcnn,就不需要再安装,这里略过。
关于编译caffe和faster rcnn的详细过程参见我之前博客《Ubuntu16:cmake生成Makefile编译caffe过程(OpenBLAS/CPU+GPU)》和《cuda8+cuDNN Faster R-CNN安装塈运行demo》

$cd caffe-ssd
#如果没有cmake,要安装cmake
#$sudo apt-get install cmake
mkdir build && cd build
# 执行cmake生成Makefile
#编译CPU版本
#cmake -DCPU_ONLY=ON -DBLAS=Open .
#编译GPU版本
$cmake -DBLAS=Open -DCUDA_NVCC_FLAGS=--Wno-deprecated-gpu-targets ..
$make -j 8

下载预训练模型

下载预训练模型VGG_ILSVRC_16_layers_fc_reduced.caffemodel,放在 ./models/VGGNet/路径

下载地址
https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6

训练数据准备

我的训练数据集是按VOC2007格式生成的,为了最少修改ssd的代码,我的做法是用我自己的VOC2007数据集替换SSD训练用的VOC2007和VOC2012数据集。
在$home下创建一个data文件

cd ~
mkdir data
mkdir data/VOCdevkit
mkdir data/VOCdevkit/VOC2007

将自己的数据集复制在 VOC2007

ll VOC2007
drwxrwxr-x 6 guyadong guyadong 4096 4月 14 09:19 ./
drwxr-xr-x 3 guyadong guyadong 4096 4月 14 09:01 ../
drwxrwxr-x 2 guyadong guyadong 3846144 4月 13 17:14 Annotations/
drwxrwxr-x 3 guyadong guyadong 4096 4月 13 17:14 ImageSets/
drwxrwxr-x 2 guyadong guyadong 3809280 4月 13 17:14 JPEGImages/

在examples文件夹下创建VOC2007文件夹

cd caffe-ssd
mkdir examples/VOC2007

(请注意VOC2007这个名字,你可以不使用这个名字,但如果你要使用别的名字,请注意本文后面所有涉及VOC2007的地方都必须换成同样的名字)

修改lmdb生成脚本

复制data/VOC0712文件为VOC2007

 cd caffe-ssd/data
 cp -r VOC0712 VOC2007

修改caffe-ssd/data/VOC2007/create_list.sh如下
create_list.sh

#!/bin/bash

root_dir=$HOME/data/VOCdevkit/
sub_dir=ImageSets/Main
bash_dir="$(cd "$(dirname "${BASH_SOURCE[0]}")" && pwd)"
for dataset in trainval test
do
  dst_file=$bash_dir/$dataset.txt
  if [ -f $dst_file ]
  then
    rm -f $dst_file
  fi
  for name in VOC2007
  do
    #if [[ $dataset == "test" && $name == "VOC2012" ]]
    #then
    #  continue
    #fi
    echo "Create list for $name $dataset..."
    dataset_file=$root_dir/$name/$sub_dir/$dataset.txt

    img_file=$bash_dir/$dataset"_img.txt"
    cp $dataset_file $img_file
    sed -i "s/^/$name\/JPEGImages\//g" $img_file
    sed -i "s/$/.jpg/g" $img_file

    label_file=$bash_dir/$dataset"_label.txt"
    cp $dataset_file $label_file
    sed -i "s/^/$name\/Annotations\//g" $label_file
    sed -i "s/$/.xml/g" $label_file

    paste -d' ' $img_file $label_file >> $dst_file

    rm -f $label_file
    rm -f $img_file
  done

  # Generate image name and size infomation.
  if [ $dataset == "test" ]
  then
    $bash_dir/../../build/tools/get_image_size $root_dir $dst_file $bash_dir/$dataset"_name_size.txt"
  fi

  # Shuffle trainval file.
  if [ $dataset == "trainval" ]
  then
    rand_file=$dst_file.random
    cat $dst_file | perl -MList::Util=shuffle -e 'print shuffle();' > $rand_file
    mv $rand_file $dst_file
  fi
done

下图是create_list.sh修改后版本与原版本的比对
SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录_第1张图片
修改caffe-ssd/data/VOC2007/create_data.sh如下:
create_data.sh

cur_dir=$(cd $( dirname ${BASH_SOURCE[0]} ) && pwd )
root_dir=$cur_dir/../..

cd $root_dir

redo=1
data_root_dir="$HOME/data/VOCdevkit"
dataset_name="VOC2007"
mapfile="$root_dir/data/$dataset_name/labelmap_voc.prototxt"
anno_type="detection"
db="lmdb"
min_dim=0
max_dim=0
width=0
height=0

extra_cmd="--encode-type=jpg --encoded"
if [ $redo ]
then
  extra_cmd="$extra_cmd --redo"
fi
for subset in test trainval
do
  python $root_dir/scripts/create_annoset.py --anno-type=$anno_type --label-map-file=$mapfile --min-dim=$min_dim --max-dim=$max_dim --resize-width=$width --resize-height=$height --check-label $extra_cmd $data_root_dir $root_dir/data/$dataset_name/$subset.txt $data_root_dir/$dataset_name/$db/$dataset_name"_"$subset"_"$db examples/$dataset_name
done

下图是create_data.sh修改后版本与原版本的比对
SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录_第2张图片
labelmap_voc.prototxt用于定义标签(label),所以还要
根据你的目标检测要求修改caffe-ssd/data/VOC2007/labelmap_voc.prototxt,比如我的项目中是检测人脸,我的labelmap_voc.prototxt定义如下(label 0固定定义为背景):
labelmap_voc.prototxt

item {
  name: "none_of_the_above"
  label: 0
  display_name: "background"
}
item {
  name: "face"
  label: 1
  display_name: "face"
}

修改训练脚本

用vim或gedit等文本编辑器打开 caffe-ssd/examples/ssd/ssd_pascal.py,将代码中所有的VOC0712替换为VOC2007,并保存文件,
找到num_classes = 21这一行,将数字改为1 + 类别数
SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录_第3张图片
找到num_test_image = 4952 将数字改为你测试集(test.txt)的数量
SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录_第4张图片
另外, 如果你只有一个GPU, 需要修改ssd_pascal.py ,找到gpus = "0,1,2,3”这一行改为 gpus = "0”,如果有两块GPU,则改为gpus = "0,1”,依此类推。
SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录_第5张图片

修改测试脚本

打开caffe-ssd/examples/ssd/ssd_pascal_webcam.py
将代码中所有的VOC0712替换为VOC2007
找到num_classes = 21这一行,将数字改为1 + 类别数

SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录_第6张图片

执行训练代码

修改完成后开始运行训练代码

python ./examples/ssd/ssd_pascal.py 

out of memory

训练过程可能比较漫长,如果训练过程出现out of memory错误,说明你的显卡显存不够,可以调整ssd_pascal.py中的来解决:找到batch_size = 32这一行,减少这个数字试试。
比如我的显卡GTX1060显存是6G,改为batch_size = 8才能进行训练。
SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录_第7张图片

#参考资料
《SSD安装及训练自己的数据集》

你可能感兴趣的:(deeplearning,ubuntu,ssd,train,VOC2007,caffe)