Ubuntu上配置SSD-caffe(GPU)+VOC数据集测试

注意：首先要配置好环境，包括Ubuntu16.04+Nvidia驱动+cuda10.0+cuDNN7.3.1+caffe，并保证caffe编译通过。可参考我之前的博客进行安装编译。

一、安装SSD（caffe）

git clone https://github.com/weiliu89/caffe.git caffe-ssd//重命名，避免与caffe的冲突
cd caffe-ssd
git checkout ssd

这里需出现分支成功的提示方可继续：

二、配置SSD（caffe）

终端输入

cd ~/caffe-ssd
cp Makefile.config.example Makefile.config

打开Makefile.config，修改并保存退出。（因为我前面已经配置过caffe了，这里直接把自己配置过的caffe中的Makefile.config文件中修改的部分粘贴过来即可,可参考我之前的博客
https://blog.csdn.net/lihe4151021/article/details/90289696 ）
终端输入：

cd ~/learning/ssd-caffe
mkdir build 
cd build cmake ..（cmake和..中间有一个空格） 
make all -j8（"‐j8"是使用 CPU 的多核进行编译,可以极大地加速编译的速度） 
make install 
make runtest（这一步不是必须的） 
make pycaffe（编译pycaffe）

三、下载数据文件

1、 预训练模型下载
下载地址：https://pan.baidu.com/s/1X7gkyHnd87nv5TTqWfaR2Q 提取密码：45tm
在caffe-ssd/models文件夹下新建文件夹，命名为VGGNet，将刚刚下载下来的文件放入这个VGGNet文件夹当中。

2、下载VOC2007和VOC2012数据集
在主文件夹下（即 ～/）新建文件夹，命名为data

终端输入

cd ～/data 
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar 
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar 
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

解压这三个文件，终端输入：

cd /home/**（您服务器的名字）/data 
tar -xvf VOCtrainval_11-May-2012.tar 
tar -xvf VOCtrainval_06-Nov-2007.tar 
tar -xvf VOCtest_06-Nov-2007.tar（请严格按照这个顺序解压）

四、生成LMDB文件

终端输入

cd ~/learning/ssd-caffe
./data/VOC0712/create_list.sh
./data/VOC0712/create_data.sh

若data不是放在～目录下，则要进入create_list.sh和create_data.sh文件修改相应的路径。
执行./data/VOC0712/create_data.sh报错

原因是未添加环境变量(https://github.com/weiliu89/caffe/issues/4)，解决方法

sudo gedit ~/.bashrc

在文件最后一行添加环境变量：

export PYTHONPATH=/home/**lihe**/caffe-ssd/python:$PYTHONPATH  //将加粗部分换为自己的用户名即可

最后运行

source ~/.bashrc

再次运行，生成lmdb文件夹，包含VOC0712_test_lmdb和VOC0712_trainval_lmdb

./data/VOC0712/create_data.sh

至此，LMDB文件生成成功

五、运行demo

1、下载官方的模型和网络文件
环境部署成功之后就开始demo的演示了，这里跳过自己训练的环节，直接用官方的模型和网络文件来先演示下demo，因此需要先下载作者已经训练好的模型(链接：https://pan.baidu.com/s/1atmHJXzBy9Yv96-M6muVFA 提取码:2k59)。下载的官方模型文件夹名称为VOC0712，放入ssd-caffe/models/VGGNet/目录下，如下图所示

2、演示demo
可以参考这个博客进行demo演示：https://blog.csdn.net/jesse_mx/article/details/52965281 (SSD: Single Shot MultiBox Detector检测单张图片)
(1)演示detection的训练结果，包括5000多张图片。要先改里面的gpu个数，输出是分数。终端输入：

python examples/ssd/score_ssd_pascal.py（演示detection的训练结果，数值在0.718左右）

（2）演示单张图片的测试结果，python版本。然后修改ssd_detect.py里面的路径（包括$caffe_root和测试图片的路径，如果配置过程中的路径与此博客中的配置路径完全一致，应该无需修改路径），最后终端输入：

python examples/ssd/ssd_detect.py

此时在caffe-ssd文件夹下即可得到检测结果detect_result.jpg