caffe学习（11）：使用迁移学习预训练模型训练

数据集还是用GTSDB，我是打算用之前VOC0712数据集针对普通目标20类的模型，迁移到检测GTSDB上来。实验发现用迁移学习还是能提升一定精度的。
预训练模型：VGG_VOC0712_SSD_300x300_iter_120000.caffemodel这个是我自己训练的。

目标

数据集GTSDB
44小类目标检测并分类

数据集处理

参照caffe学习（10）：交通标志目标检测训练整体流程数据集处理部分。还是原来的图片，格式已经转换，不需要再运行ppm2jpg.py。
我这边是把真值中的0-42xml中标记为1-43，背景标记作0。gt2xml.py代码修改如下：

#!/usr/bin/env python
#-*- coding:utf-8 -*-
import sys
import os
import codecs
import cv2
reload(sys)
sys.setdefaultencoding('utf8')

root = r'/home/jqy/data/gtsdbjpg/all/xml/' # output xml path
fp = open('gt.txt') # path of gt.txt
#fp2 = open('train.txt', 'w') # path of train.txt
uavinfo = fp.readlines()

def get_label(label):
    return label+1
    
for i in range(len(uavinfo)):
    line = uavinfo[i]
    line = line.strip().split(';') 
    line[0] = "/home/jqy/data/gtsdbjpg/all/"+str(line[0]) # need to write image path
    img = cv2.imread(line[0])
    print line[0]
    sp = img.shape
    height = sp[0]
    width = sp[1]
    depth = sp[2]
    info1 = line[0].split('/')[-1]
    info2 = info1.split('.')[0]

    l_pos1 = line[1]
    l_pos2 = line[2]
    r_pos1 = line[3]
    r_pos2 = line[4]
    name = int(line[5])
    lable = get_label(name)
    if(os.path.exists(root + info2 + '.xml') == False):
        #fp2.writelines(info2 + '\n')
        with codecs.open(root + info2 + '.xml', 'w', 'utf-8') as xml:
            # xml.write('<?xml version="1.0" encoding="UTF-8"?>\n')
            xml.write('<annotation>\n')
            xml.write('\t<folder>' + 'GTSDB' + '</folder>\n')
            xml.write('\t<filename>' + info1 + '</filename>\n')
            xml.write('\t<source>\n'