SSD: Single Shot MultiBox Detector in TensorFlow(翻译)

本文基本算是：GitHub:SSD-Tensorflow上的中文版

一、环境配置

基本环境：Windows 10 + GTX950M

1、安装Anaconda3()

下载Anaconda3双击安装即可，

注意：必须下载Anaconda3，因为Anaconda3对应Python3.x,而Windows下Tensorflow只支持Python3.x版本。

2、安装Python-OpenCV3

去http://www.lfd.uci.edu/~gohlke/pythonlibs/下载相应Windows版本的OpenCV3，根据Python版本下载相应的OpenCV。例如我的是Python3.5，我下载的OpenCV是：

然后，打开cmd，进入下载文件所在目录，运行：

pip install opencv_python-3.2.0-cp35-cp35m-win_amd64.whl

如果出现问题，可参考python3 安装 opencv3 （win10,64bit）

二、SSD-Tensorflow演示

1、去GitHub:SSD-Tensorflow下载该GitHub仓库，用

git clone https://github.com/balancap/SSD-Tensorflow.git

或者直接点击“Download ZIP”手动下载

2、打开cmd进入SSD-Tensorflow根目录下的./checkpoint，解压“ssd_300_vgg.ckpt.zip”

然后，再进入SSD-Tensorflow的根目录下运行

jupyter notebook notebooks/ssd_notebook.ipynb

即可。

但是，可能因为我的系统还装有Anaconda2的原因，直线失败，所以我将ssd_notebook.ipynb中的代码复制出来，在notebooks文件夹中新建了一个Python脚本文件，并且将ssd_notebook.ipynb中的最后几行代码改了下

将

img = mpimg.imread(path + image_names[-5])

后面的几句改为：

for it  in image_names:
    img = mpimg.imread(path + it)
    rclasses, rscores, rbboxes =  process_image(img)

    # visualization.bboxes_draw_on_img(img, rclasses, rscores, rbboxes, visualization.colors_plasma)
    visualization.plt_bboxes(img, rclasses, rscores, rbboxes)  

然后在cmd中进入notebooks直接运行

Python3 ssd_Python.py

即可运行。

由于网速问题，图片暂时上传不了。

三、SSD-Tensorflow训练

1、基于某个训练节点上对网络进行微调

2、基于已训练好的网络进行微调

未完待续….

关于训练，主要参考：GitHub:SSD-Tensorflow的“Training”部分。