Caffe下SSD训练和测试自己的数据

一.配置 caffe环境

二. 下载、编译、测试SSD源码

1.下载源码

git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd

2. 编译源码

• 配置Makefile.config 【Instuction】
  • 已配置好的文件链接
• 编译python接口等

make -j8
# Make sure to include $CAFFE_ROOT/python to your PYTHONPATH.
make py
make test -j8
# (Optional)
make runtest -j8

3.测试源码

• 下载训练好的模型，放到$CAFFE_ROOT/models/
• 下载VOC2007、VOC2012等数据集，解压缩，放到$HOME/caffe/data/

# Download the data.
cd $HOME/caffe/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
# Extract the data.
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar

• 生成LMDB格式数据集
  • 修改./data/VOC0712/create_list.sh中的root_dir、name等
  • 修改./data/VOC0712/create_data.sh中的data_root_dir、dataser_name等

cd $CAFFE_ROOT
# Create the trainval.txt, test.txt, and test_name_size.txt in data/VOC0712/
./data/VOC0712/create_list.sh
# You can modify the parameters in create_data.sh if needed.
# It will create lmdb files for trainval and test with encoded original image:
#   - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_trainval_lmdb
#   - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_test_lmdb
# and make soft links at examples/VOC0712/
./data/VOC0712/create_data.sh

• 测试SSD源码
  • 注意修改gpu id及 device_id
  • mAP score在0.77左右

cd $CAFFE_ROOT
# You can modify the parameters in score_ssd_pascal.py if needed.
python examples/ssd/score_ssd_pascal.py

三.使用SSD训练自己的数据集

1.下载预训练参数及模型

下载预训练模型VGG_ILSVRC_16_layers_fc_reduced.caffemodel，放在 ./models/VGGNet/路径下

2.制作数据集

3.修改配置文件

• 修改标注文件$CAFFE_ROOT/data/​dataset_name/labelmap_voc.prototxt
• 修改训练文件$CAFFE_ROOT/data/example/ssd/ssd_pascal.py
  • VOC0712替换为自己的数据集名称可避免覆盖
  • 类别数：num_classes = open(label_map_file).read().count(‘label’)
  • 测试图片数量：num_test_image = len(open(name_size_file).readlines())
  • solver_param 中’max_iter’: 120000, 表示最大迭代次数；’test_interval’: 10000, 每次评估模型效果的间隔迭代次数，用于观察是否收敛及过拟合

4.开始训练

cd $CAFFE_ROOT
python example/ssd/ssd_pascal.py

5.测试训练结果

cd $CAFFE_ROOT
python example/ssd/score_ssd_pascal.py

四.其他

1.遇到的错误及相关解决方案

2.一些解释

参考链接

【1】https://github.com/weiliu89/caffe/tree/ssd

【2】https://blog.csdn.net/zhy8623080/article/details/73188594

【3】https://www.cnblogs.com/EstherLjy/p/6863890.html

【4】https://blog.csdn.net/lilai619/article/details/53791420