SSD就不多介绍了,是今年非常流行的Object detection 模型:对各大数据集的测试结果如下表。

caffe学习记录(五)  SSD训练+SSDpelee测试

首先要git weiliu版本的caffe

git clone https://github.com/weiliu89/caffe.git

 

然后在unbantu上对caffe进行配置,百度一下教程

# Modify Makefile.config according to your Caffe installation.
cp Makefile.config.example Makefile.config
make -j8
# Make sure to include $CAFFE_ROOT/python to your PYTHONPATH.
make py
make test -j8
# (Optional)
make runtest -j8

首先要准备VGG16 的模型without fc layer 的版本,下载地址:https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6

下载后放在caffe/model/VGGNet中,在训练的时候,会fine turn这个VGG模型

然后下载一下VOC数据集等:

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

接下来创建LMDB的files,用shell指令: tips: ./之前为caffe_root的根路径,可以在配置完环境变量后,直接用$CAFFE_ROOT代替

cd $CAFFE_ROOT
# Create the trainval.txt, test.txt, and test_name_size.txt in data/VOC0712/
./data/VOC0712/create_list.sh
# You can modify the parameters in create_data.sh if needed.
# It will create lmdb files for trainval and test with encoded original image:
#   - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_trainval_lmdb
#   - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_test_lmdb
# and make soft links at examples/VOC0712/
./data/VOC0712/create_data.sh

然后进到caffe根目录运行:

python examples/ssd/ssd_pascal.py

四卡的机器,训练过程如下:

caffe学习记录(五)  SSD训练+SSDpelee测试

接下来测试一下accuracy,运行速度等

 

2018/10/12:
评测单张检测速度很快,超过mobilenet