SSD-tensorflow512训练自己的数据集

1.下载ssd-tensorflow工程压缩包

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

2.解压

checkpoints文件夹下ssd_300_vgg.ckpt压缩文件删除，将下载的ssd512模型放在此处。

链接：https://pan.baidu.com/s/13rXshm9s8D-7BjX0bNhpkg 提取码：f0k5 

3.准备训练数据

按照VOC2007格式制作自己的数据集，SegmentationObject & SegmentationClass保存的是物体分割后的数据，在物体识别中没有用到。

（1）Annotations存放xml格式的标签文件，每个xml对应JPEGImage中的一张图片。

（2）ImageSets里main文件夹中放入train.txt, val.txt, trainval.txt, test.txt四个文件，txt文件内容为图片的文件名（不带后缀），train.txt用于训练的图片文件的文件名列表；val.txt——训练过程用来验证的图片文件的文件名列表，一般保持和train中图片数量相近；trianval.txt——用来训练和验证的图片文件的文件名列表，数量为train和val中图片数量之和；test.txt——用来测试已训练的模型的文件名列表，数量一般和trainval中图片数量相近。

以下是生成.txt文件的代码：

import os  
import random   
  
xmlfilepath=r'/home/VOC2007/Annotations/'  
saveBasePath=r"/home/VOC2007/ImageSets/"  
  
trainval_percent=0.9
train_percent=0.9  
total_xml = os.listdir(xmlfilepath)  
num=len(total_xml)    
list=range(num)    
tv=int(num*trainval_percent)    
tr=int(tv*train_percent)    
trainval= random.sample(list,tv)    
train=random.sample(trainval,tr)    
  
print("train and val size",tv)  
print("traub suze",tr)  
ftrainval = open(os.path.join(saveBasePath,'Main/trainval.txt'), 'w')    
ftest = open(os.path.join(saveBasePath,'Main/test.txt'), 'w')    
ftrain = open(os.path.join(saveBasePath,'Main/train.txt'), 'w')    
fval = open(os.path.join(saveBasePath,'Main/val.txt'), 'w')    
  
for i  in list:    
    name=total_xml[i][:-4]+'\n'    
    if i in trainval:    
        ftrainval.write(name)    
        if i in train:    
            ftrain.write(name)    
        else:    
            fval.write(name)    
    else:    
        ftest.write(name)    
    
ftrainval.close()    
ftrain.close()    
fval.close()    
ftest .close()