Mobilenet-SSD的Caffe系列实现

先引出题目，占个坑，以后慢慢填。

mobilenet 也算是提出有一段时间了，网上也不乏各种实现版本，其中，谷歌已经开源了Tensorflow的全部代码，无奈自己几乎不熟悉Tensorflow，还是比较钟爱Caffe平台，因而一直在关心这方面。

单纯的Mobilenet分类不是关注重点，如何将其应用到目标检测网络才是关键，目前基本看好的思路就是Mobilenet+SSD，github上已经有至少如下项目涉及到这方面：

https://github.com/chuanqi305/MobileNet-SSD

https://github.com/zeusees/SSD_License_Plate_Detection

https://github.com/canteen-man/MobileNet-SSD-Focal-loss

https://github.com/cooliscool/LISA-on-SSD-mobilenet

https://github.com/FreeApe/VGG-or-MobileNet-SSD

接下来的时间，我将会尽可能进行进行分析验证，目的是寻找并试验出好的解决方案，并且期待能成功训练其他数据集。。

Mobilenet的速度是很快的，如果配上Depthwise layer，在TitanX应该能达到150fps，如果能将检测精度提升到70%以上，将会是一个很好的检测网络。

实现方案一

项目地址：MobileNet-SSD

几个月前接触到了这个project，当时chuanqi大神在Caffe平台上初步实现了Mobilenet-SSD，本人自然是很惊喜的，接下来就时不时和大神一起探讨，在其指导下，我在VOC数据集也能训练出大约72%的精度。现在这个项目趋于稳定，根据github上的描述，最终精度是72.7%，也很不错了。下面简单记录一下运行和训练方法。

模型分析

通过分析Mobilenet的模型结构和MobileNet-SSD的模型结构， 可以看出，conv13是骨干网络的最后一层，作者仿照VGG-SSD的结构，在Mobilenet的conv13后面添加了8个卷积层，然后总共抽取6层用作检测，貌似没有使用分辨率为38*38的层，可能是位置太靠前了吧。

模型运行

这个项目既然叫MobileNet-SSD，那首先要求能正常运行基础版本的SSD，这方面的博客教程这是不少，本人也有几篇博文涉及，可以参考。

克隆项目：

$ git clone https://github.com/chuanqi305/MobileNet-SSD.git

然后可以在自己的目录（我是用的是/home目录）下得到MobileNet-SSD文件夹，其中重要文件简介如下：

• template 存放4个网络定义的公用模板，可以由gen.py脚本修改并生成
• MobileNetSSD_deploy.prototxt 运行网络定义文件
• solver_train.prototxt 网络训练超参数定义文件
• solver_test.prototxt 网络测试超参数定义文件
• train.sh 网络训练脚本
• test.sh 网络测试脚本
• gen_model.sh 生成自定义网络脚本（调用template文件夹内容）
• gen.py 生成公用模板脚本（暂不用）
• demo.py 实际检测脚本（图片存于images文件夹）
• merge_bn.py 合并bn层脚本