SSD目标检测无脑快速配置过程python KERAS

SSD算法，其英文全名是Single Shot MultiBox Detector，名字取得不错，Single shot指明了SSD算法属于one-stage方法，MultiBox指明了SSD是多框预测。 SSD算法在准确度和速度（除了SSD512）上都比Yolo要好很多。  对于Faster R-CNN，其先通过CNN得到候选框，然后再进行分类与回归，而Yolo与SSD可以一步到位完成检测。相比Yolo，SSD采用CNN来直接进行检测，而不是像Yolo那样在全连接层之后做检测。其实采用卷积直接做检测只是SSD相比Yolo的其中一个不同点，另外还有两个重要的改变，一是SSD提取了不同尺度的特征图来做检测，大尺度特征图（较靠前的特征图）可以用来检测小物体，而小尺度特征图（较靠后的特征图）用来检测大物体；二是SSD采用了不同尺度和长宽比的先验框（Prior boxes, Default boxes，在Faster R-CNN中叫做锚，Anchors）。Yolo算法缺点是难以检测小目标，而且定位不准，但是这几点重要改进使得SSD在一定程度上克服这些缺点。下面我们详细讲解SDD算法配置过程。

1安装Anaconda，从Anaconda的官网下载即可

这里需要注意的是第一个选项要勾上，Add Anaconda to my PATH environment variable，这样会自动将anaconda装到系统的环境变量中，免得后续出错。

 2   NVIDIA显卡驱动

SSD的环境是tensorflow-gpu=1.13.2，因此会用到cuda10.0，与cuda10.0对应的cudnn是7.4.1.5。

 链接: https://pan.baidu.com/s/15ef2WK3fz1dnr4Y5f_5NBQ?pwd=5ypf

提取码: 5ypf 

首先运行EXE

然后选择自定义，然后一直下一步就可以了。

然后把上面那个200兆的文件解压，然后复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0然后一定要重启电脑

 3搭建运行环境

Win+R启动cmd，出现dos 命令界面

首先是创建一个3.6版本的环境

conda create --name SSD001 python=3.6

然后激活该环境逐一安装一些库

conda activate SSD001

pip install tensorflow-gpu==1.13.2
pip install keras==2.1.5
pip install Pillow==8.2.0
pip install scipy==1.2.1
pip install numpy==1.17.0
pip install matplotlib==3.1.2
pip install opencv_python==4.1.2.30
pip install tqdm==4.60.0
pip install h5py==2.10.0

 

 4安装pycharm2021

链接: https://pan.baidu.com/s/1ejbv1i-26p8oGqRLfkdcGA?pwd=thyf 提取码: thyf 

版本太新可能会找不到上面创建的pyth3.6环境。PYCHARM2021能自动获取anconda创建了多少环境，非常给力。

点file设置找到settings然后
project：petobj-master
project interperter

 点击show all, 然后出来新界面点右边的+号

 找到anconda,以及anconda创建的SSD001环境，就是刚才DOS界面创建的PYTHON3.6,带有KERAS,tensorflow_gpu等安装包的那个环境