SSD人脸检测安装：SSD训练自己的数据集

时间：2022-01-12 17:14:23

第一部分 SSD安装

系统：ubuntu 14.04 
语言：python 
ssd项目主页：https://github.com/weiliu89/caffe/tree/ssd 
首先，我们把项目代码clone下来, 然后编译：

git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd

接下来，我们开始编译caffe,编译caffe非常容易，此篇讲的是caffe + cpu + ubuntu14.04的安装， GPU版安装需修改Makefile.config文件， 修改完成后：

make 
make py

到这里我们就完成了SSD的安装，接下来我们讲一下如何训练自己的数据集。

第二部分 训练自己的数据集

首先我们不妨先跑一下项目的demo, 需要下载数据集，提前训练好的数据集等。 
下载预训练的模型，链接：https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6，下载完成后保存在：

caffe/models/VGGNet/

下载VOC2007和VOC2012数据集， 放在/data目录下：

cd data
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar

创建lmdb格式的数据：

cd caffe
./data/VOC0712/create_list.sh
# It will create lmdb files for trainval and test with encoded original image:
# - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_trainval_lmdb
# - $HOME/data/VOCdevkit/VOC0712/lmdb/VOC0712_test_lmdb
./data/VOC0712/create_data.sh

训练和测试：

python examples/ssd/ssd_pascal.py

论文中，作者已经预训练好模型，下载链接：http://www.cs.unc.edu/%7Ewliu/projects/SSD/models_VGGNet_VOC0712_SSD_300x300.tar.gz，我们不必自己再去训练, 下载完成后放入指定的文件夹下。 
测试时，我们使用/example/ssd/目录里的ssd_detect.ipynb，运行这个文件，需要安装ipython及ipython-notebook, 或者直接把里面的代码拷贝出来，写到一个新的python文件里，比如命名ssd_detector.py.

OK， 下面修改一系列文件来训练自己的数据集 
两种方案， 第一：保持原来的文件目录结构及文件名不变， 只替换里面的数据。第二：重新新建一个与之前类似的目录结构，改成自己命名的文件夹，第二种方法，有一定的风险性，需要修改程序里涉及数据路径的代码。在之前讲解的faster-rcnnan那篇博客中， 我们采用第一种方案。本次我们采用第二种方案。 
在/data目录下创建一个自己的文件夹：

cd /data
mkdir 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：

cp data/create* ./mydataset
cp data/label* ./mydataset

labelmap_voc.prototxt, 此文件定义label。

在/data/VOCdevkit目录下创建mydataset, 并放入自己的数据集:

cd data/VOCdevkit mkdir mydataset cd mydataset mkdir Annotations mkdir ImageSets mkdir JPEGImages cd ImageSets mkdir Layout mkdir Main mkdir Segmentation

其中Annotations中存放一些列XML文件，包含object的bbox，name等； 
ImageSets中三个子目录下均存放train.txt, val.txt, trainval.txt, test.txt这几个文件，文件内容为图片的文件名（不带后缀）； 
JPEGImages存放所有的图片；

在/examples下创建mydataset文件夹：

mkdir mydataset

文件夹内存放生成的lmdb文件。

第一步: 首先把widerface的数据集转化为VOC的格式；

第二步：然后把widerface生成了train.txt和test.txt,之后把相应的文件夹copy到VOC2007，修改相应的Python文件

第三步：开始生成LMDB数据集，调节SSD的学习率，就可以正常的训练检测器。

上述文件夹创建好后， 开始生成lmdb文件, 在创建之前需要修改相关路径：

./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。接下来就开始训练了。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：

cd /examples/ssd
vim sd_pascal.py， 修改如下：
57行： train_data路径；
59行：test_data路径；
197-203行：save_dir、snapshot_dir、job_dir、output_result_dir路径；
216-220行： name_size_file、label_map_file路径；
223行：num_classes 修改为1 + 类别数
315行：num_test_image：测试集图片数目

修改测试图片的个数，和真实的测试图片的个数一样，修改了学习率

另外， 如果你只有一个GPU, 需要修改285行： 
gpus=”0,1,2,3” ===> 改为”0” 
否则，训练的时候会出错。 
修改完后运行

python ./examples/ssd/ssd_pascal.py

训练完， 修改ssd_detector.py中模型路径， 任意找一张图片识别，看看效果怎么样

标签：

相关文章