Mobilenet-SSD在widerface数据集上训练人脸检测模型

    最近一段时间一直忙着实习和在研究insightface人脸识别模型的相关事宜，上次说更新mobilenet-ssd的人脸检测，结果一拖再拖，非常抱歉。最近我也会将自己跑Insightface的实践写出来，并将以前和进后的项目上传个人Github仓库，这里先给出链接：https://github.com/Danbinabo

    VOC数据集包含20个类别的物体和1个背景，分别是——aeroplane, bicycle, bird, boat, bottle, bus, car, cat, chair, cow, diningtable, dog, horse, motorbike, person, pottedplant, sheep, foa, train, tvmonitor，有时候我们想用VOC数据集训练，但并不需要这么多类别，而caffe-ssd提供的数据处理工具create_list.sh和create_data.sh默认是处理所有的20个分类的。如果我们不想重写这些数据处理工具，可以从根源入手，也就是直接修改数据集里的标注信息，把多余分类的信息删去。

其实训练多类别检测(N+1)和人脸检测(1+1)原理是完全一样的，不同点在于要生成对应的数据集，这里先将widerface数据集转VOC格式数据集的代码贴出来，对应训练数据路径进行修改：

# -*- coding: utf-8 -*-
import os, cv2, sys, shutil
from xml.dom.minidom import Document

def writexml(filename, saveimg, bboxes, xmlpath):
    doc = Document()
    annotation = doc.createElement('annotation')
    doc.appendChild(annotation)
    folder = doc.createElement('folder')

    folder_name = doc.createTextNode('widerface')
    folder.appendChild(folder_name)
    annotation.appendChild(folder)
    filenamenode = doc.createElement('filename')
    filename_name = doc.createTextNode(filename)
    filenamenode.appendChild(filename_name)
    annotation.appendChild(filenamenode)
    source = doc.createElement('source')
    annotation.appendC