-
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]}")" &