SSD: Single Shot MultiBox Detector目标检测环境配置

SSD目标检测模型环境配置

1、概要

SSD是一种基于回归的目标检测模型，论文主要优势：在保证较高的检测速率，有较高检测精度。

代码地址：https://github.com/weiliu89/caffe/tree/ssd

项目PPT地址：http://www.cs.unc.edu/~wliu/papers/ssd_eccv2016_slide.pdf

上图片源自： https://github.com/weiliu89/caffe/tree/ssd

2、环境配置

• 下载Caffe 源码，下载完成后有一个caffe文件夹

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

  • 1
  • 2
  • 3
  • 进入下载好的caffe目录，复制配置文件

     cd /home/usrname/caffe
     cp Makefile.config.example Makefile.config

  • 1
  • 2
  • 1
  • 2
  • 编译caffe三部曲

     make -j8  //-j8根据本机的处理器配置，8是八核处理器的意思
     make test -j8
     make runtest -j8

  • 1
  • 2
  • 3
  • 1
  • 2
  • 3
  • 额外编译，根据需要(因为SSD利用python完成，需编译pycaffe)

     make py

  准备工作

  • Pre_train下载地址：https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6  ，放入caffe/models/VGGNet/目录下，（该模型随机初始权重可收敛）

  • 将自己的数据集，放到/home/data下，新手请按照VOC格式。

  • 1
  • 2
  • 3
  • 1
  • 2
  • 3
  • 若使用VOC07或者12数据集，按照如下下载

     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

  • 1
  • 2
  • 3
  • 1
  • 2
  • 3
  • 数据集解压

     tar -xvf VOCtrainval_11-May-2012.tar
     tar -xvf VOCtrainval_06-Nov-2007.tar
     tar -xvf VOCtest_06-Nov-2007.tar

  • 1
  • 2
  • 3
  • 1
  • 2
  • 3
  • 将图片转化为LMDB文件，用于训练

     cd ..
     cd caffe/
     ./data/VOC0712/create_list.sh  
     ./data/VOC0712/create_data.sh

  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4
  • 这里用的脚本实现批处理，可能会出现:no module named caffe等错误，这是由于caffe的Python环境变量未配置好，可按照下面方法解决：

     echo "export PYTHONPATH=/home/usrname/caffe/python" >> ~/.profile  
     source ~/.profile  
     echo $PYTHONPATH #检查环境变量的值

训练中修改源码：

打开caffe/examples/ssd/ssd_pascal.py这个文件，找到gpus=’0,1,2,3’这一行，如果您的服务器有一块显卡，则将123删去，如果有两个显卡，则删去23，以此类推。如果您服务器没有gpu支持，则注销以下几行，程序会以cpu形式训练。（这个是解决问题cudasuccess（10vs0）的方法）

#Ifnum_gpus >0:

                # batch_size_per_device =int(math.ceil(float(batch_size) / num_gpus))

#iter_size =int(math.ceil(float(accum_batch_size) / (batch_size_per_device * num_gpus)))

  # solver_mode =P.Solver.GPU
  # device_id =int(gpulist[0])

训练：在Caffe文件夹路径下：

python examples/ssd/ssd_pascal.py

验证：在Caffe文件夹路径下：

python examples/ssd/score_ssd_pascal.py
Test your model using a webcam. Note: press esc to stop.
# If you would like to attach a webcam to a model you trained, you can do:
python examples/ssd/ssd_pascal_webcam.py

如果出现问题cudasuccess（2vs0）则说明您的显卡计算量有限，再次打开caffe/examples/ssd/ssd_pascal.py这个文件，找到batch_size =32这一行，修改数字32，可以修改为16，或者8，甚至为4；

第二部分 训练自己的数据集

到此为止,我们的数据集就做好了。接下来就开始训练了。训练程序为/examples/ssd/ssd_pascal.py，运行之前，我们需要修改相关路径代码：

cd /examples/ssd
vim sd_pascal.py， 修改如下：
57行： train_data路径；
59行：test_data路径；
197-203行：save_dir、snapshot_dir、job_dir、output_result_dir路径；
216-220行： name_size_file、label_map_file路径；
223行：num_classes 修改为1 + 类别数
315行：num_test_image：测试集图片数目

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

另外， 如果你只有一个GPU, 需要修改285行： 
gpus=”0,1,2,3” ===> 改为”0” 
否则，训练的时候会出错。 
修改完后运行

python ./examples/ssd/ssd_pascal.py 

• 1

• 1

训练完， 修改ssd_detector.py中模型路径， 任意找一张图片识别，看看效果怎么样。

参考：https://github.com/weiliu89/caffe/tree/ssd