「论文实践」 mobilenet ssd · caffe
参考源码: https://github.com/chuanqi305/MobileNet-SSD
环境: https://github.com/weiliu89/caffe/tree/ssd
0 环境搭建
需源码编译；
1 数据集制作
以 VOC 数据集格式为例；
1.1 准备数据集
VOC2007
├── Annotations # 标注信息，文件名与 JPEGImages 中文件对应
├── ImageSets # 参与训练的文件列表
│ └── Main
│ ├── train.txt # 训练文件列表
│ └── val.txt # 验证文件列表
└── JPEGImages # 图片
注： 自己的数据可用标注工具 labelImg 等制作；
1.2 准备标签
类别标签 ID 文件，labelmap.prototxt，其类别数为目标数量 + 1（背景）；
item {
name: "none_of_the_above"
label: 0
display_name: "background"
}
item {
name: "aeroplane"
label: 1
display_name: "aeroplane"
}
...
1.3 创建 lmdb
修改 /data/VOC0712下的脚本文件 create_list.sh 和 create_data.sh；
create_list.sh
root_dir为自己的路径，同时去掉原先2007和2012两个子文件夹的处理逻辑；
create_data.sh
需要修改data_root_dir、mapfile为自己的路径
运行脚本
./data/VOC0712/create_list.sh
./data/VOC0712/create_data.sh
完成后，会在 /data/VOCdevkit2/VOC0712/lmdb 下产生 VOC0712_test_lmdb 和 VOC0712_train_lmdb 两个文件夹，就是训练所需的数据库文件；
2 模型训练
直到“模型训练”环节，我们才开始接触 chuanqi305的MobileNet-SSD里的code。按照 chuanqi305的readme，将MobileNet-SSD文件夹放入caffe根目录/examples，并使用fanqiang技术下载预训练模型，做好模型训练的准备工作。
2.1 生成 prototxt
weiliu89的caffe框架下SSD是利用python脚本ssd_pascal.py自动生成prototxt文件并开始训练的，而chuanqi305的MobileNet-SSD则是利用gen_model.sh脚本生成prototxt文件,使用train.sh脚本开始训练。
在caffe根目录/examples/MobileNet-SSD下运行
./gen_model.sh NUM（NUM为你自己的类别数，同labelmap.prototxt，笔者这里NUM=10）
即可在caffe根目录/examples/MobileNet-SSD/example下生成MobileNetSSD_train.prototxt、MobileNetSSD_test.prototxt和MobileNetSSD_deploy.prototxt。
三个prototxt文件生成之后，需要做如下修改：
MobileNetSSD_train.prototxt、MobileNetSSD_test.prototxt中，将data_param层里的source字段改写成项目实际lmdb的路径（按理说加了软链接后的路径不必修改，但保险起见这里可以修改为绝对路径），同时可修改batch_size的大小（可使用默认值）。
检查所有prototxt文件的num_classes是否为你的分类数。num_classes是脚本读取labelmap.prototxt生成的，这里可以查看一下是否被修改正确。
prototxt很长，可以使用caffe根目录/python/drawnet.py画出模型，这里先挖个坑，争取看懂算法模型后再叙。
2.2 训练模型
接下来进入正题，在caffe根目录/examples/MobileNet-SSD下运行
./train.sh
开启训练的大幕。./train.sh里面的内容比较简单：
Comments