MobileNetv2-SSDlite训练自己的数据集（二）——训练MSSD

最新推荐文章于 2024-07-10 10:09:39 发布

ninesd

最新推荐文章于 2024-07-10 10:09:39 发布

阅读量3.9k

点赞数 1

本文链接：https://blog.csdn.net/qq_43150911/article/details/85107261

版权

本文详细介绍了如何使用MobileNetv2-SSDlite训练自定义数据集，包括编译caffe-ssd、下载代码、数据集转换为VOC格式、制作lmdb及解决训练中遇到的问题。重点强调了数据集格式的正确性和bndbox参数为整数的重要性。

摘要由CSDN通过智能技术生成

一、编译caffe-ssd

关于如何编译caffe-ssd，可以参考我的上一篇文章《MobileNetv2-SSDlite训练自己的数据集（一）——配置安装caffe-ssd》

二、下载MobileNetv2-SSDlite代码

你可以在github上下载chuanqi305的MobileNetv2-SSDlite代码

git clone https://github.com/chuanqi305/MobileNetv2-SSDLite.git

三、将你的数据集转换为VOC数据集格式

MSSD代码提供了使用VOC数据集训练的方法。如果你要使用自己的数据集训练MSSD，那么你需要先把数据集转换为VOC数据集格式
由于这一部分是由我的队友负责，在这里我就不详细说明了
需要特别注意的是，xml文件中bndbox参数必须为整数。否则，虽然制作lmdb时不会报错，但是训练时会发现loss一直是0，无法训练

四、制作lmdb

caffe-ssd提供了通过VOC数据集制作lmdb的方法
首先，移动到对应目录

cd ~/caffe/data/VOC0712

修改labelmap_voc.prototxt

这个文件由若干个一下模块构成

item {
  name: "none_of_the_above"
  label: 0
  display_name: "background"
}

保持第0项背景类不变，把下面的模块依次改为你的数据集中需要检测的类别，并删除多余的项
如果你的数据集要检测10类物体，那么你的labelmap_voc.prototxt中需要有11个item模块，包括一个背景类和十个物体类，label从0到10

修改creat_list.sh和creat_data.sh

将里面的root_dir改为你的VOC数据集位置，并确保你的数据集已经被重命名为VOC2007
例如，我的数据集地址为/home/bmelab/data/VOCdevkit/VOC2007
那么我的root_dir就是$HOME/data/VOCdevkit/
如果没有VOC2012目录，运行creat_list.sh时会提示

cp: 无法获取'/home/bmelab/data/VOCdevkit//VOC2012/ImageSets/Main/trainval.txt' 的文件状态(stat): 没有那个文件或目录
sed: 无法读取 /home/bmelab/caffe/data/VOC0712/trainval_img.txt: 没有那个文件或目录
sed: 无法读取 /home/bmelab/caffe/data/VOC0712/trainval_img.txt: 没有那个文件或目录
cp: 无法获取'/home/bmelab/data/VOCdevkit//VOC2012/ImageSets/Main/trainval.txt' 的文件状态(stat): 没有那个文件或目录
sed: 无法读取 /home/bmelab/caffe/data/VOC0712/trainval_label.txt: 没有那个文件或目录
sed: 无法读取 /home/bmelab/caffe/data/VOC0712/trainval_label.txt: 没有那个文件或目录
paste: /home/bmelab/caffe/data/VOC0712/trainval_img.txt: 没有那个文件或目录

不过并不影响后面的操作，可以忽略

运行creat_list.sh和creat_data.sh

现在你的V