利用SSD模型训练自己的数据集

一、运行环境
windows10
cuda==10.1
python=3.7.x
二、步骤
1、下载SSD代码
SSD-pytorch 代码下载地址： https://github.com/amdegroot/ssd.pytorch
如果觉得下载比较慢可以参考https://blog.csdn.net/weixin_43218120/article/details/108253025
2、准备数据集
（1）想先测试的情况下可以使用VOC或者COCO数据集，数据集下载：
链接：https://pan.baidu.com/s/1roX0TULt2AXoppDQsf5zyQ
提取码：884r
将下载之后的数据集放在(./data/scripts目录下)
在该目录下新建coco文件夹并将./data 目录下的coco_labels.txt文件复制到该目录
具体data目录如下：

（2）准备自己的数据集
voc数据集的目录如下：

我们只需要对前三个文件夹中的内容进行修改
在Annotations中放置自己使用标记软件标记的xml文件。
在JPEGImages中放置自己的图片。
在ImageStes文件夹中我们只需要对Main文件夹进行修改
文件夹中只放置train.txt/val.txt/test.txt这三个文件。在文件中只要包含文件的名字，不要有后缀名。具体的方式可以参考：https://blog.csdn.net/weixin_43218120/article/details/109329834
3、修改代码
（1）config.py文件
①找到config.py文件，打开修改VOC中的num_classes,根据自己的情况修改：classes+1（背景算一类）
②修改HOME，将该文件的路径修改为自己的文件路径
（2）VOC0712.py
①找到VOC_CLASSES修改为自己的类别，当自己的类别为1的时候（不算背景）需要在（）前面加上[]
②注意VOC_ROOT文件路径，不需要修改
（3）train.py
①根据自己的显存修改batch_size，建议一开始修改小一点
②将保存训练模型的参数调低一点，之前iter设置的1000，这里设置为500，之后根据自己情况在设置
③
将loss后面修改为.item()否者会报bug
（4）multibox_loss.py
将该文件中的第97行和第98行代码互换一下，否者会报bug
（5）下载预训练模型
链接：https://pan.baidu.com/s/1zriDQ7v_ENvOmXfizNFF2w
提取码：v1r4
4.现在即可进行训练。