快速使用自己的数据集训练测试ssd-pytorch

最新推荐文章于 2024-06-24 09:14:20 发布

喯吧了嘣

最新推荐文章于 2024-06-24 09:14:20 发布

阅读量714

点赞数 2

分类专栏：目标检测文章标签： python pytorch 深度学习

本文链接：https://blog.csdn.net/weixin_43211956/article/details/116484371

版权

本文介绍了如何将数据集转化为VOC格式，并详细说明了在ssd-pytorch项目中修改配置文件和源码的步骤，包括config.py、VOC0712.py、train.py、eval.py和ssd.py。在训练过程中遇到loss为nan、StopIteration错误、版本不一致、device-side assert触发和形状不匹配等问题，并提供了相应的解决方案。文章最后提供了源码链接和参考博文。

摘要由CSDN通过智能技术生成

如何自己的数据集跑通ssd-pytorch

数据集制作

ssd-pytorch版本支持VOC和COCO数据集格式，我是直接将自己的数据集按照VOC数据集格式进行创建的，这样就会避免修改源码中的数据代码部分，VOC格式如下：

VOC2007	内容
Annotations	每张图的xml文件
ImageSets	Main(test.txt;train.txt;trainval.txt;val.txt)
JPEGImages	自己的图

注意点：
1.将数据保存在主目录下：/home/～/data/VOCdevkit
2.VOCdevkit下保存VOC2007 2012两个文件夹，我是弄得一样的
3.txt文件中只保存图片名字，不要加后缀（jpg）

修改源码

1.config.py

voc = {
   
    'num_classes': 21,#修改成自己数据集类别数
    'lr_steps': (80000, 100000, 120000),
    'max_iter': 120000,#刚开始训练可以设小点，看看能不能跑起来
    'feature_maps': [38, 19, 10, 5, 3, 1],
    'min_dim': 300,
    'steps': [8, 16, 32, 64, 100, 300],
    'min_sizes': [30, 60, 111, 162, 213, 264],
    'max_sizes': [60, 111, 162, 213, 264, 315],
    'aspect_ratios': [[2]