基于ssd的目标检测,ssd像检测

写在前面：首先，你安装了ssd，并测试了VOC数据

*********************************************************

第一部分：数据准备（任务繁重）
1.标数据（生成的bounding box是txt格式），标数据的工具：链接：https://pan.baidu.com/s/1dvOXkW3xJtm9g4jR-3ZDhQ 密码：7eqr

2.将txt格式转化为VOC格式，代码链接：https://download.csdn.net/download/yu734390853/10274930

3.在/home/$你的服务器命/data/VOCdevkit下建立自己的数据集名称（以我的为例，我建立的是MyDataSet），在MyDataSet目录下需包含Annotations、ImageSets、JPEGImages三个文件夹：
Annotations目录下存放第二步生成的xml格式数据文件。
ImageSet目录下包含Main文件下，在ImageSetsMain里有四个txt文件：test.txt train.txt trainval.txt val.txt；

生成这四个txt文件的代码如下（Python）（根据自己的路径修改）：

import os import random trainval_percent = 0.66 train_percent = 0.5 xmlfilepath = 'Annotations' txtsavepath = 'ImageSetsMain' 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) ftrainval = open('ImageSets/Main/trainval.txt', 'w') ftest = open('ImageSets/Main/test.txt', 'w') ftrain = open('ImageSets/Main/train.txt', 'w') fval = open('ImageSets/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()

txt文件中的内容为图片名字(无后缀)。

JPEGImages目录下存放所有的数据图片

4.在caffe-ssd/data目录下创建一个自己的文件夹MyDataSet（以我的为例）：

cd datamkdir MyDataSet

把data/VOC0712目录下的create_list.sh 、create_data.sh、labelmap_voc.prototxt 这三个文件拷贝到MyDataSet下（以我的为例）：

cp VOC0712/create_list.sh MyDataSet/cp VOC0712/create_data.sh MyDataSet/cp VOC0712/labelmap_voc.prototxt MyDataSet/

5.在caffe-ssd/examples下创建MyDataSet文件夹：

mkdir MyDateSet

用于存放后续生成的lmdb文件；
6.修改labelmap_voc.prototxt文件（改成自己的类别），以及create_list.sh和create_data.sh文件中的相关路径；

#labelmap_voc.prototxt需修改：item { name: "none_of_the_above" label: 0 display_name: "background"}item { name: "aeroplane" label: 1 display_name: "person"}#create_list.sh需修改：root_dir=/home/yi_miao/data/Mydataset/...for name in yourownset...#if [[ $dataset == "test" && $name == "VOC2012" ]]# then# continue# fi#create_data.sh需修改：root_dir=/home/yi_miao/caffe-ssddata_root_dir="/home/yi_miao/data/Mydataset"dataset_name="Mydataset"

7.在caffe（ssd）根目录下运行命令：

./data/mydataset/create_list.sh./data/mydataset/create_data.sh

此时，在examples/mydataset/文件夹下可以看到两个子文件夹, mydataset_trainval_lmdb, mydataset_test_lmdb；里面均包含data.dmb和lock.dmb;

******到此为止,我们的数据集就做好了。******

接下来
第二部分：开始训练

1.训练时使用ssd demo中提供的预训练好的VGGnet model ：链接：https://pan.baidu.com/s/18ZuLkByyEUNRfd90L21Nkw 密码：ylnx
将该模型保存到 ： caffe/models/VGGNet下（没有VGGNet，就新建一个）。

2.训练程序为/examples/ssd/ssd_pascal.py，运行之前，我们需要修改相关路径代码，ssd_pascal.py作如下修改：

82行：train_data路径；84行：test_data路径；237-246行：model_name、save_dir、snapshot_dir、job_dir、output_result_dir路径；259-263行：name_size_file、label_map_file路径；266行：num_classes修改为1 + 类别数;360行：num_test_image：测试集图片数目

另外， 如果你只有一个GPU, 需要修改285行： gpus=”0,1,2,3” ===> 改为”0” ，如果出现 out of memory，则将batch size 相应改小一些。

3.上述修改完成后，在caffe（ssd）根目录下运行：

python ./examples/ssd/ssd_pascal.py 开始训练...............................

第三部分：测试

1.测试单张图片
测试程序为/examples/ssd/ssd_detect.py，运行之前，我们需要修改相关路径代码，ssd_detect.py作如下修改（#部分为修改内容）：

parser.add_argument('--labelmap_file', default='data/VOC0712/labelmap_voc.prototxt')#**修改为你的路径** parser.add_argument('--model_def', default='models/VGGNet/VOC0712/SSD_300x300/deploy.prototxt')#**修改为你的路径** parser.add_argument('--image_resize', default=300, type=int) parser.add_argument('--model_weights', default='models/VGGNet/VOC0712/SSD_300x300/'#**修改为你的路径** 'VGG_VOC0712_SSD_300x300_iter_120000.caffemodel') parser.add_argument('--image_file', default='examples/images/fish-bike.jpg')#**修改为你的路径**

上述修改完成后，在caffe（ssd）根目录下运行：

Python ./example/ssd/ssd_detect.py

在caffe根目录下会生成检测结果图像。

2.批量检测多张图片
修改ssd_detect.py的代码（加个for循环），代码链接：https://download.csdn.net/download/yu734390853/10275197

*********************************************

有任何问题欢迎交流，QQ：734390853