物体检测算法 SSD 的训练和测试

物体检测算法 SSD 的训练和测试 

 

GitHub：https://github.com/stoneyang/caffe_ssd 

Paper： https://arxiv.org/abs/1512.02325 

 

1. 安装 caffe_SSD：

git clone https://github.com/weiliu89/caffe.git  
cd caffe 
git checkout ssd 

2. 编译该 caffe 文件，在主目录下：

# Modify Makefile.config according to your Caffe installation.
cp Makefile.config.example Makefile.config
make -j24
# Make sure to include $CAFFE_ROOT/python to your PYTHONPATH.
make pycaffe  
# Then, you need to export your Python path into the environment. This Step is important, it may shown you error, if you skip this operation. 
export PYTHONPATH=/home/wangxiao/Documents/caffe/python:$PYTHONPATH 

但是，事情总是没那么顺利啊，不然你也不会在这里看我瞎bb了。
编译过程中，会遇到这个bug：json_parser_read.hpp:257:264: error: ‘type name’ declared as function returning an array escape 
然后，你想继续玩这个SSD，就得执行如下操作，以继续编译该caffe文件：

  修改json_parser_read.hpp：打开文件夹Document，选中computer，在搜索json_parser_read.hpp，找到该文件的路径之后用如下命令打开

  sudo gedit /usr/include/boost/property_tree/detail/json_parser_read.hpp

  将257行开始的escape代码段注释掉即可，如下：

/*escape
                    =   chset_p(detail::widen<Ch>("\"\\/bfnrt").c_str())
                            [typename Context::a_escape(self.c)]
                    |   'u' >> uint_parser<unsigned long, 16, 4, 4>()
                            [typename Context::a_unicode(self.c)]
                    ;*/

3. 编译完成后，开始下载作者使用的 在 ImageNet 上预训练好的 VGG-16 模型：

　　Download fully convolutional reduced (atrous) VGGNet. By default, we assume the model is stored in $CAFFE_ROOT/models/VGGNet/ 

4. 下载训练测试用的数据集：Pascal VOC 2007 2012: 

# Download the data.
cd $HOME/data
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
# Extract the data.
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar 

 

5. 将这些文件打包处理，生成 lmdb 文件：

./data/VOC0712/create_list.sh

./data/VOC0712/create_data.sh 

6. 数据集处理完毕后，我们就可以修改相关的参数以及路径等，使得在我们自己的机器上可以爽快的运行：

　　vim /examples/ssd/ssd_pascal.py 

　　主要包括：

　　1. 训练数据集 lmdb 的路径：

　　2. 测试数据集 lmdb 的路径：

　　3. gpus=”0,1,2,3” ===> 改为”0”  

　　4. batchsize = 32 ==>> 改为 20 比较好，因为有可能会显存溢出；

 

7. 将以上几点都注意到，应该不会再出问题的了，目测我的已经训练到第 360 次迭代了。。。

 

以上就是 SSD的训练部分。

Reference：

1. http://blog.csdn.net/tfy1028/article/details/53289106 

2. http://blog.csdn.net/zhang_shuai12/article/details/52346878