caffe训练目标检测SSD问题及其解决

检测目标,输出文本信息:

./.build_release/examples/ssd/ssd_detect.bin models/VGGNet/VOC0712/SSD_300x300/deploy.prototxt models/VGGNet/VOC0712/SSD_300x300/VGG_VOC0712_SSD_300x300_iter_10000.caffemodel /home/wjt/my_work/ssd/caffe/data/test_image/test_image.txt

在图像上标注目标:

python examples/ssd/plot_detections.py /home/wjt/my_work/ssd/caffe/data/test_result/test_result.txt /home/wjt/my_work/ssd/caffe/ --labelmap-file data/VOC0712/labelmap_voc.prototxt --save-dir data/test_result --visualize-threshold 0.6

注:注意路径设置


问题汇总:

1.  No such file

./data/VOC0712/create_list.sh 出错

原因及解决方法:数据集位置没放置正确,将数据集按照源脚本文件说明的位置(/home/data/)放置,或者修改脚本文件中


2. ImportError:No module named _caffe (或者caffe.proto)

./data/VOC0712/create_data.sh
原因及解决方法:环境变量中python路径没有设置正确,要将PYTHONPATH设置为SSD中caffe目录下的python,修改“~./bashrc”文件,加上python路径,并source一下即可解决


3.  checked failed: num_test_image_ <= names_.size() (4952 vs. 117)

原因及解决方法:ssd_pascal.py文件中num_test_image参数没有修改,将其修改为实际的117,同时还要修改的参数为num_classes,参考教程blog.csdn.net/lk123400/article/details/61191239


4. 训练时loss=nan

原因及解决方法:由ssd_pascal.py运行生成的solver.prototxt中显示的学习率base_lr=0.001,在ssd_pascal.py文件中将base_lr设置为0.0001,loss变为正常数值


5. 中断训练再次训练时,显示 libcudart.so.8.0: canot open chared object file: No such file or directory

sudo ldconfig /usr/local/cuda/lib64


6. 训练时出现 Check fialed: error == cudaSuccess(2 vs. 0)out of memory

原因及解决方法:GPU显存被程序占用或者之前的进程没有正常结束,占用着GPU显存,使得用GPU训练时显存不足,用nvidia-smi命令查看占用显存的进程PID,用kill -9 [PID]强制杀死进程。
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,针对你的问题,这里简单介绍一下如何使用caffe-ssd训练模型进行目标检测caffe-ssd是基于caffe框架实现的单阶段目标检测算法,使用预训练模型可以加快模型训练的速度,同时也可以提高模型的检测精度。下面是使用预训练模型做目标检测的步骤: 1. 下载预训练模型 caffe-ssd官方提供了一些预训练模型,可以在这里下载:https://github.com/weiliu89/caffe/tree/ssd#models。选择适合自己数据集的模型进行下载。 2. 准备数据集 准备自己的数据集,包括训练集、验证集和测试集。数据集需要满足SSD数据格式要求,即每个样本需要有对应的标注文件,标注文件格式为:类别id、xmin、ymin、xmax、ymax(例如:0 0.1 0.2 0.3 0.4,表示类别为0,左上角坐标为(0.1, 0.2),右下角坐标为(0.3, 0.4))。 3. 修改配置文件 修改caffe-ssd的配置文件,将模型路径、数据路径、类别数等参数配置正确。其中,模型路径需要指定为下载的预训练模型路径。 4. 训练模型 使用修改后的配置文件训练模型。训练过程中可以调整学习率、迭代次数等参数,以达到更好的效果。 5. 测试模型 使用测试集对训练好的模型进行测试,并计算模型在测试集上的精度和召回率等指标。 以上就是使用caffe-ssd训练模型做目标检测的基本步骤。需要注意的是,使用预训练模型虽然可以加速模型训练过程,但是如果数据集和预训练模型的差异较大,仍然需要进行微调。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值