通俗易懂复现基于tensorflow的SSD：

目录

通俗易懂介绍复现基于tensorflow的SSD：

I 实现demo，运用训练好的模型进行测试

1.首先下载完整的代码：

2.下载的文件比较大，因为其中已经包含了一个VGG的模型，解压这个模型：

3.我们先试一下SSD的检测效果：

II 接下来介绍如果训练：

1.下载数据：

2.生成TF-Record文件：

3.训练

通俗易懂介绍复现基于tensorflow的SSD：

I 实现demo，运用训练好的模型进行测试

1.首先下载完整的代码：

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

2.下载的文件比较大，因为其中已经包含了一个VGG的模型，解压这个模型：

unzip ssd_300_vgg.ckpt.zip

3.我们先试一下SSD的检测效果：

jupyter notebook notebooks/ssd_notebook.ipynb

但我还是喜欢直接用python文件，所以不用管上面这条语句，把

ssd_notebook.ipynb的内容全部copy到demo.py（自己新建的）中，直接运行会报错，因为没装jupyter，千万记住是装jupyter，而不是notebooks。可以pip install jupyter，也可以用pycharm里直接搜索然后安装。如果是想使用pip 安装指定的目录下，可以参考我的另一篇博客：https://mp.csdn.net/postedit/86552214

另外需要注意的是，如果使用的是python2.7，notebooks是找不到的，因此需要在notebook目录下新建一个

__init__.py 文件。

运行demo.py结果如下：

 

II 接下来介绍如果训练：

先下载数据，数据集使用公开的pascal_voc2007:

1.下载数据：

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
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

解压：

tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

最后文件的目录如下：

2.生成TF-Record文件：

新建一个run.sh文件,内容如下：

#!/usr/bin/env bash
DATASET_DIR=VOC2007/
OUTPUT_DIR=./tfrecords_
python ./tf_convert_data.py \
    --dataset_name=pascalvoc \
    --dataset_dir=${DATASET_DIR} \
    --output_name=voc_2007_train \
    --output_dir=${OUTPUT_DIR}

上面定义的两个路径时你自己的数据路径，执行结果如下：

3.训练

创建一个sh脚本文件为train.sh,内容如下：

#!/usr/bin/env bash

DATASET_DIR=./tfrecords_/
TRAIN_DIR=./train_model/
CHECKPOINT_PATH=./checkpoints/vgg_16.ckpt

python3 ./train_ssd_network.py \
    --train_dir=./train_model/ \
    --dataset_dir=./tfrecords_/ \
    --dataset_name=pascalvoc_2007 \
    --dataset_split_name=train \
    --model_name=ssd_300_vgg \
    --checkpoint_path=./checkpoints/vgg_16.ckpt \
    --checkpoint_model_scope=vgg_16 \
    --checkpoint_exclude_scopes=ssd_300_vgg/conv6,ssd_300_vgg/conv7,ssd_300_vgg/block8,ssd_300_vgg/block9,ssd_300_vgg/block10,ssd_300_vgg/block11,ssd_300_vgg/block4_box,ssd_300_vgg/block7_box,ssd_300_vgg/block8_box,ssd_300_vgg/block9_box,ssd_300_vgg/block10_box,ssd_300_vgg/block11_box \
    --trainable_scopes=ssd_300_vgg/conv6,ssd_300_vgg/conv7,ssd_300_vgg/block8,ssd_300_vgg/block9,ssd_300_vgg/block10,ssd_300_vgg/block11,ssd_300_vgg/block4_box,ssd_300_vgg/block7_box,ssd_300_vgg/block8_box,ssd_300_vgg/block9_box,ssd_300_vgg/block10_box,ssd_300_vgg/block11_box \
    --save_summaries_secs=60 \
    --save_interval_secs=600 \
    --weight_decay=0.0005 \
    --optimizer=adam \
    --learning_rate=0.001 \
    --learning_rate_decay_factor=0.94 \
    --batch_size=24 \
    --gpu_memory_fraction=0.9

训练效果：