DSOD (Deeply Supervised Object Detector) 从零开始训练自己的数据------- 无ImageNet预训练权重

• 0. 写作目的

好记性不如烂笔头。

环境说明： ubuntu14 + CUDA8.0 + CUDNN5.0 + GPU (k40)。4G的显卡对于训练和测试均不能运行（在GTX1050Ti上测试过）。

• 1. 下载安装DSOD

•      1) 首先安装SSD

     由于DSOD是基于SSD修改的，因此需要先安装SSD。SSD原版是基于Caffe的，具体安装方式可以参考我的博客——Caffe 安装 ubuntu14 + CUDA8.0 + CUDNN5.0（基于anaconda的环境）。

•      2) 安装DSOD

     DSOD的安装较为简单。可以参见官方给出的安装方式。    

firstly, git clone https://github.com/szq0214/DSOD.git in your SSD directions.
Then:
i) Create a subfolder dsod under example/, add files DSOD300_pascal.py, 
   DSOD300_pascal++.py, DSOD300_coco.py, score_DSOD300_pascal.py and 
   DSOD300_detection_demo.py to the folder example/dsod/.

ii) Create a subfolder grp_dsod under example/, add files GRP_DSOD320_pascal.py and score_GRP_DSOD320_pascal.py to the folder example/grp_dsod/.

iii) Replace the file model_libs.py in the folder python/caffe/ with ours.

• 2. 训练自己的数据集

  注意： 为便于叙述，假设DSOD的路径为/home/XXX/DSOD/caffe。

              数据的路径为/home/XXX/Data

•    1) 制作自己的训练集

      为了便于在不同框架中运行，这里将数据集制作为类VOC形式（VOC-LIKE）。具体制作过程不详细描述了。

•    2) 训练前的准备 

      将caffe中data/路径下的VOC0712复制一份，并修改为自己的数据集名称，如myData

         i) 修改create_list.sh来创建训练和测试使用的数据列表,创建成功后在data/myData路径下生成trainval.txt  test.txt和test_name_size.txt. 这里提供一份修改后的文件.

#!/bin/bash

root_dir=$HOME/Data
sub_dir=ImageSets/Main
 
bash_dir="$(cd "$(dirname "${BASH_SOURCE[0]}")" &