linux下配置运行MobileNet-SSD，并训练自己数据集

前提是已配置运行好SSD，未配置请参考博客：https://blog.csdn.net/ly_twt/article/details/105787871

一、demo测试

1、

cd /xxx/SSD/caffe/examples
git clone https://github.com/chuanqi305/MobileNet-SSD.git

2、修改demo.py，如下：

（注：MobileNetSSD_deploy.prototxt和MobileNetSSD_deploy.caffemodel需要下载，可联系我）

3、运行demo.py

python2 ./demo.py

运行后会出现检测结果图。

如果能够顺利运行demo，则继续进行下一步训练。

二、训练（以pascal voc数据集为例）

（在配置运行SSD时已经准备好数据，请参考：https://blog.csdn.net/ly_twt/article/details/105787871）

注：/data/VOC0712/labelmap_voc.prototxt中的类别信息根据自己的类别进行修改。

1、cd到/examples/MobileNet-SSD下执行

./gen_model.sh NUM
# NUM = 类别数+1

运行后，在/examples/MobileNet-SSD中会生成一个example文件夹，里面有MobileNetSSD_train.prototxt、MobileNetSSD_test.prototxt和MobileNetSSD_deploy.prototxt三个文件。

2、修改prototxt文件

①在MobileNetSSD_train.prototxt、MobileNetSSD_test.prototxt中，将data_param层里的source值改写成项目实际lmdb的绝对路径。

②在MobileNetSSD_train.prototxt、MobileNetSSD_test.prototxt中，将data_param层里label_map_file的值改成labelmap的绝对路径。

③检查prototxt文件中的num_classes是否为你的类别数目+1。

3、开始训练

cd到/examples/MobileNet-SSD下执行

./train.sh

******可以修改solver_train.prototxt中的一些参数，比如迭代次数等。

三、测试

①(数据集中的测试集测试)

cd到/examples/MobileNet-SSD下执行

./test.sh

②（数据集之外的图片测试）

在训练结束后，在snapshot文件夹中会保存训练的模型。

修改/examples/MobileNet-SSD/merge_bn.py

(1)

修改merge_bn.py:

caffe_root修改成你自己的路径：

以下为生成的.caffemodel和.prototxt文件的名字，可以自行修改：

（2）

cd到/examples/MobileNet-SSD下执行以生成

python2 ./merge_bn.py --weights ./snapshot/xxxx.caffemodel --model ./example/MobileNetSSD_deploy.prototxt 
# 其中，--weights是你选择的训练好的模型

（merge_bn.py 合并bn层脚本，用于生成最终的caffemodel（因为mobilenet有两个层最后需要合并才能得到deploy.caffemodel））

运行结束后，在MobileNet-SSD中会生成no_bn.caffemodel和no_bn.prototxt两个文件。

（3）在images文件夹中放入需要检测的图片。

（4）修改demo.py文件中的net_file和caffe_model分别为no_bn.caffemodel和no_bn.prototxt。

运行demo.py获得检测结果。