Mobilenet-SSD训练VOC数据集

最新推荐文章于 2024-08-16 08:28:43 发布

Danbinabo_zzz

最新推荐文章于 2024-08-16 08:28:43 发布

阅读量3.1k

点赞数 1

文章标签： MObilenet-ssd 人脸检测

本文链接：https://blog.csdn.net/Danbinbo/article/details/96867597

版权

本文介绍了如何使用Mobilenet-SSD网络训练Pascal VOC数据集。首先，需要配置CUDA环境并编译安装caffe的SSD分支。接着，下载并解压Mobilenet-SSD到caffe-ssd的example文件夹，运行demo.py进行环境测试。然后，下载VOC2007和VOC2012数据集，使用提供的数据集处理工具生成lmdb文件。训练模型时，复制VOC的标签映射文件，生成模型文件，并根据需要修改训练和测试参数。训练完成后，通过merge_bn.py合并BN层，得到可用于测试的模型。最后，文章提到训练人脸检测模型的难点在于参数调试。

摘要由CSDN通过智能技术生成

Mobilenet-SSD网络训练：VOC数据集

首先，用 Mobilenet-SSD网络进行训练，需要配置好自己的cuda环境，跑 Mobilenet-SSD的前提是要使用SSD框架，所以要编译安装caffe的ssd分支，caffe-ssd下载地址：https://github.com/weiliu89/caffe/tree/ssd；下载好后像编译caffe一样对齐进行编译，编译好后，下载Mobilenet-SSD--地址：https://github.com/chuanqi305/MobileNet-SSD，将其解压到caffe-ssd的example文件夹下,进入MobileNet-SSD文件夹，里面存放了一个作者的预训练模型：加载模型和网络以及测试图片存放的文件夹：这里我的

caffe_root = '/home/xxx/Danbin/caffe-ssd/' 

net_file= 'MobileNetSSD_deploy.prototxt' 

caffe_model='MobileNetSSD_deploy.caffemodel' 

test_dir = "images"

然后运行demo.py脚本，进行环境测试