目标检测——手把手带你实现SSD（Single Shot MultiBox Detector）训练和检测自己的数据集

一、概述：

1.　在GitHub上下载SSD模型代码

2.　准备自己的VOC数据集

3.　搭建Ｐｙｔｏｒｃｈ环境

4.　用Ｐｙｔｏｒｃｈ框架在Ｐｙｃｈａｒｍ中跑模型

5.　遇到的问题和解决方法

6.　模型预测效果的检验和检测指标的查看

二、本文使用电脑配置：

硬件：联想拯救者R9000P 2021（R7 5800H/16GB/512GB/RTX3070）

软件：Win10系统、Anaconda3、Python3.8.0、ｐｙｃｈａｒｍ

Ｐｙｔｏｒｃｈ配置：pytorch1.7.1和torchvision0.8.2

三、详细步骤：

1.　在GitHub上下载SSD模型代码

链接：https://github.com/bubbliiiing/ssd-pytorch

首先前往Github下载对应的仓库，下载完后利用解压软件解压，之后用编程软件打开文件夹。
注意打开的根目录必须正确，否则相对目录不正确的情况下，代码将无法运行。
一定要注意打开后的根目录是文件存放的目录。

2.　准备自己的VOC数据集

本文使用VOC格式进行训练，训练前需要自己制作好数据集，如果没有自己的数据集，可以通过Github连接下载VOC12+07的数据集尝试下。

VOC12+07的数据集链接：
①训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。

②训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。

然后是数据集的处理：
在完成数据集的摆放之后，我们需要对数据集进行下一步的处理，目的是获得训练用的2007_train.txt以及2007_val.txt，需要用到根目录下的voc_annotation.py。

voc_annotation.py里面有一些参数需要设置。
分别是annotation_mode、classes_path、trainval_percent、train_percent、VOCdevkit_path，第一次训练可以仅修改classes_path，对应指向我们在ｍｏｄｅ&