Ubuntu16.04 SSD-pytorch复现笔记

SSD-pytorch复现笔记

#笔记仅供参考，欢迎批评指正

(1) 下载ssd-pytorch的包

git clone https://github.com/amdegroot/ssd.pytorch  ##这个里面的程序本人配置（pytorch0.4.1, torchvision0.2.2）pytorch1.0以上版本可能出现各种报错现象，建议降低版本
git clone https://github.com/acm5656/ssd_pytorch   ##这个程序相对友好，对初学者有很好的效果

（2）下载VOC的数据集
因为在训练过程我只用了VOC的数据集，所以没有下载COCO的数据集，对于跑算法流程，COCO数据集太大，个人觉得VOC足够，测试算法性能另说.

cd ~/ssd.pytorch
sh data/scripts/VOC2007.sh   ##这个是voc2007的数据集，包括了训练集和测试集，建议使用该方式下载，方便整合数据集，下载速度较慢
sh data/scripts/VOC2012.sh   ##这个是voc2012的训练集

voc2012的训练集可以在网上自己下载，这个数据集1.9G,网上很多教程，不做赘述.

（3）训练数据
1.下载权重文件

cd ~/ssd.pytorch
mkdir weights
cd weights
wget https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth

2.在训练之前需要修改一些文件，防止训练过程报错
在multibox_loss.py的97行和98行互换，在114行改为N = num_pos.data.sum.float( )
结果如下图:
3.训练

python train.py

训练过程如下图（采用 https://github.com/amdegroot/ssd.pytorch 的代码）：

训练过程出现了很多NAN值，初步分析应该是loss函数没有收敛，建议增加batch,或者减小学习率，在 train.py 中可以修改
训练过程如下图（https://github.com/acm5656/ssd_pytorch）的代码：
该算法训练过程比较简单，loss函数收敛较快，初学者可以使用该代码，但只能用VOC的数据集进行测试。

(4) 测试数据

python test.py

测试效果如下：
最后会在ssd.pytorch 根目录下生成一个文件夹，包含检测的结果。

(5) 评估数据

python eval.py

评估结果如下：
评估完成在ssd.pytorch 根目录下生成一个eval的文件夹，文件夹包含结果：