SSD-pytorch复现笔记1

代码：https://github.com/amdegroot/ssd.pytorch
复现的过程按照github的步骤进行即可。

下载数据

由于我之前下载过voc0712、coco的数据，不需要再运行sh下载，按照sh指示建立相关文件夹。将sh所需下载的文件放进去，并将3个sh文件部分代码进行注释：
再运行sh，对文件进行操作即可。

训练之前，需要修改代码

1、在multibox_loss.py中调换97，98两行，改成如下：

loss_c = loss_c.view(num, -1)  # The line added
loss_c[pos] = 0  # filter out pos boxes for now

2、在multibox_loss.py中116行改为如下：

N = num_pos.data.sum().float()

3、train.py中169行改为：

try:
    images, targets = next(batch_iterator)
except StopIteration:
    batch_iterator = iter(data_loader)
    images, targets = next(batch_iterator)

4、train.py中192，193行改为：

loc_loss += loss_l.data
conf_loss += loss_c.data

5、train.py中199行改为：

print('iter ' + repr(iteration) + ' || Loss: %.4f ||' % (loss.data), end=' ')

6、train.py中45行改为：
训练时loss出现一直nan会导致训练出来的模型检测不出来任何东西，只需降低学习率即可。

parser.add_argument('--lr', '--learning-rate', default=1e-4, type=float,  # 1e-3
                    help='initial learning rate')

差不多了，可以训练了，先打开Visdom。

python -m visdom.server
python train.py

结果显示：
使用训练的网络进行评估：

SSD300受VOC0712（最新的PyTorch权重）训练: https://s3.amazonaws.com/amdegroot-models/ssd300_mAP_77.43_v2.pth
将ssd300_mAP_77.43_v2.pth下载到weights文件夹下。
然后

python eval.py

当然，如果你自己训练好了的模型，更改eval.py中39行加载的权重文件，在进行评估。
经过120000轮训练，最终得到VOC.pth的权重文件，我的第一次训练模型评估结果：
显然不如人家已给出的ssd300_mAP_77.43_v2.pth表现好。。。