用SSD框架训练自己的数据集

最新推荐文章于 2025-10-30 11:10:42 发布
原创 最新推荐文章于 2025-10-30 11:10:42 发布 · 1.2w 阅读 · 23 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

通过执行./data/mydatasetr/create_list_node.sh和./data/mydataset/create_data_nodesh脚本，成功将自定义数据集转换为LMDB格式，数据现已存放在$CAFFE_ROOT/indoor目录下。

本文介绍如何使用SSD训练自己的数据集，内容包括数据集的转化，使用SSD进行训练
1、VOC数据集的介绍
VOC的数据格式：
(1)annotation中保存的是xml格式的label信息
(2)ImageSet目录中Main目录存放的是用于表示训练的图片集合
- train.txt 是用来训练的图片文件的文件名列表 
- val.txt是用来验证的图片文件的文件名列表 
- trianval.txt是用来训练和验证的图片文件的文件名列表 
经过分析发现
trainval大概是 整个数据集 的50%，
test也大概是整个数据集的50%；
train大概 是trainval 的50%，
最低0.47元/天 解锁文章
ssd训练自己的数据集
reset2021的博客
07-12 6456
基于SSD实现目标检测（训练自己的数据集）
SSD-Pytorch训练和测试自己的数据集（新手必看）
热门推荐
kaimingD的博客
03-24 4万+
目录 1.准备自己的数据集 2.pytorch环境安装即SSD-pytorch代码下载 3.正常的修改 修改1：config.py 修改2：VOC0712.py 修改3：train.py 修改4：eval.py 修改5：ssd.py 4.遇到的问题和相应的解决办法 问题1： ...
SSD训练数据集流程（学习记录）
hhb3329的博客
09-14 8965
SSD训练数据集流程（学习记录）
用SSD训练自己的数据集
dongfang1984的博客
07-07 4933
1构建 数据集 先来看一下我们构建数据集合应该是什么样的,假设总数据为1000张。 为了方便，我们将数据放在／home／bingolwang/data 文件夹下。/home/bingolwang/data/VOCdevkit 这个目录下是VOC2007 VOC2007/ |-- Annotations #1000个xml文件。 |-- ImageSets | `-- ...
spec-kit深度解析：AI驱动的规范驱动开发（SDD）的架构、哲学与实践启示
最新发布
炼丹上岸
10-30 1785
GitHub的spec-kit项目是一个开源框架，旨在通过结构化工作流程解决当前AI辅助开发中的"氛围编程"问题。该项目将规范转变为贯穿开发周期的动态核心组件，包含四阶段流程：规范(specify)、计划(plan)、任务(tasks)和实现(implement)。其核心理念包括意图驱动开发、创建丰富规范、多步求精和利用先进AI能力。spec-kit特别适用于绿地开发、创造性探索和棕地开发三种场景，通过"章程"文件确立治理原则，确保AI生成内容符合项目标准。这个框架代
SSD Tensorflow 训练测试自己的数据集 Jupiter notebook 显示训练结果
Echo_Harrington的博客
07-20 7775
一份非常简单易懂的SSD tensorflow训练教程，初学者也可以看得懂。当初自学的时候走了很多弯路，所以把自己的经验和踩过的坑分享给大家，如果文中有什么写的不对的地方欢迎大家在评论区和我讨论。 零、前期准备 安装Tensorflow-GPU版本。   一、SSD框架准备 从https://github.com/balancap/SSD-Tensorflow 下载、解压。 解压che...
SSD框架训练自己的数据集
a123333789的博客
08-17 833
SSD demo中详细介绍了如何在VOC数据集上使用SSD进行物体检测的训练和验证。本文介绍如何使用SSD实现对自己数据集的训练和验证过程，内容包括： 1 数据集的标注2 数据集的转换3 使用SSD如何训练4 使用SSD如何测试1 数据集的标注　　　数据的标注使用BBox-Label-Tool工具，该工具使用python实现，使用简单方便。修改后的工具支持多label的标签标注。该...
精选资源
数据集-从零开始学习SSD目标检测算法训练自己的数据集.pdf
02-09
根据提供的文档信息，我们可以深入探讨SSD（Single Shot MultiBox Detector）目标检测算法的核心概念及其在自定义数据集上的应用。 ### 一、SSD的知识思维脑图 #### 1.1 SSD出现的背景 SSD算法的提出，旨在解决...
MobileNet-SSD训练自己的数据集
Sunhansong的博客
07-11 1983
一、配置 ubuntu18.04 ，显卡驱动，cuda10.1，cudnn7.6.5 查看cuda版本: cat /usr/local/cuda/version.txt 查看cudnn版本： cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 二、安装配置Caffe-SSD-GPU annaconda下创建caffe环境 conda create -n caffe2 python=2.7 opencv安装：pip install ope
caffe-ssd训练自己的数据集，create_list/data.sh、trainval等txt文件生成脚本、训练脚本修改
08-08
caffe-ssd训练自己的数据集时需要修改create_list/data.sh文件，并且需要生成trainval等txt文件存放样本的文件名，以及最后训练脚本的修改，附件为以上操作所需要的文件
数据集-使用caffe SSD制作VOC07112 lmdb数据集.pdf
02-09
本文将详细介绍如何使用Caffe SSD框架来构建针对Pascal VOC 2007和2012数据集的LMDB（Lightning Memory-Mapped Database）数据格式。 #### 二、环境准备与配置 1. **安装Caffe SSD** 首先，需要从GitHub上克隆...
【mmDetection框架解读】入门篇二、训练自己的数据集
qq_38253797的博客
10-23 3343
一、准备自己的xml格式数据集 首先要准备一份xml配置的数据集，数据集打完标注文件如下： ImageSets中暂为空，再执行【划分训练集、验证集和测试集】 ，划分后如下图： 再将xml格式数据集转为txt文件格式【数据集格式转换xml2txt】： 整合成最终数据集： images是数据集的所有图片；labels是数据集的所有txt标签数据；train.txt是训练集的所有文件名； 数据集放在mm/datasets下， datasets与mmdetection-master代码同级： 二、txt格
SSD训练自己的数据集（Pytorch），超详细版！！！！
qq_50773198的博客
11-13 2万+
近期开始学习SSD算法啦，从拿到代码的茫然到最后可以跑通自己的代码（本人基础薄弱），已经非常非常开心喽~这篇文章主要介绍一下我的修改过程，以及我训练过程中遇到的问题，可以给大家避避坑，也方便我以后自己使用。那接下来就开始吧~另，在训练中参考的文章标明出处，如有侵权，请联系我删除：【数据集制作】VOC2007格式数据集制作和处理教程(Faster-RCNN模型标准输入)_AI小杨的博客-优快云博客 SSD pytorch训练自己的数据集（windows+colab） | 码农家园SSD的pytorch实现训
利用SSD训练自己的数据集
weixin_42639897的博客
08-04 1614
利用SSD训练自己的数据集 1.下载源码https://github.com/lufficc/SSD 2.准备自己的数据集(train test json) 3.python train.py(涉及到的文件path_catlog.py将其中的coco数据的地址改成自己的，coco.py中的class_names，vgg_ssd512_coco_trainval35k.yaml中的num_classes,train,test的地址，max_iter,lr,lr_steps,gamma,batch_size)训
【四二学堂】-Python爬虫入门之一
weixin_39593940的博客
03-24 559
Python爬虫入门之一 一、运行环境 1、系统：Win10 2、Python版本：python3.6.6 3、IDE：PyCharm 二、requests 库的安装 pip install requests 三、新建项目 新建项目：zhaopingou， 新建文件:index.py import requests #导入requests库 r=requests.get('http://w...
SSD训练自己数据集
qq_41613251的博客
05-14 995
SSD训练自己数据集 1.数据制作 （1）首先准备img与txt文件夹（图像及标注的txt文件），txt文件夹下的文件均为txt文件，里边的内容为1 2 26 18 70样式，其中1为类别，（2，26）为左上点坐标，（18,70）为右下角坐标。目标检测标注工具初始生成的文件包括xml，xml2txt文件如下。 import os import re import json import shutil import numpy as np from PIL import Image from lxml imp
ssd训练自己数据集
weixin_38383877的博客
12-17 1788
1、用labelImg标数据 2、将数据转换为tfrecord 错误记录： NotFoundError：无法创建NewWriteableFile 解决方法：您需要在运行此脚本的运行环境文件夹中自己创建一个目录 1、前期准备工作 第一步：先将SSD框架下载到本地，解压出来；SSD源码下载 第二步：在解压出来的主目录下依次创建tfrecords_、train_model、VOC2007...
SSD训练自己的数据集voc
01-08
### 使用SSD框架训练自定义VOC格式的数据集 #### 准备工作 为了使用SSD框架训练自定义的PASCAL VOC格式数据集，需先准备好环境并转换数据至适合模型输入的形式。 确保已按照项目指南完成环境配置[^1]。对于特定于目标检测的任务，尤其是当采用类似于TensorFlow SSD实现时，通常需要将原始图片及其对应的标签转化为TFRecord文件形式以便高效读取与处理[^2]。 #### 数据预处理 创建一个Shell脚本来自动化这一过程是非常有帮助的做法： ```bash #!/bin/bash # 定义变量指向源数据路径以及目标存储位置 DATASET_DIR=./VOC2007/ OUTPUT_DIR=./tfrecords_ # 执行Python脚本进行数据转化 python ./tf_convert_data.py \ --dataset_name=pascalvoc \ --dataset_dir=${DATASET_DIR} \ --output_name=voc_2007_train \ --output_dir=${OUTPUT_DIR} ``` 上述命令通过调用`tf_convert_data.py`工具来把标准的PASCAL VOC结构下的图像和XML标注文件打包成`.record`扩展名的二进制记录文件，这些文件可以直接被后续训练流程所利用。 #### 修改配置文件 接下来要调整网络架构参数以适应新的类别数量和其他可能的变化。这涉及到编辑pipeline.config或其他类似的配置文档，在其中指定新生成的TFRecords的位置以及其他必要的超参设置。 #### 开始训练 一切就绪之后就可以启动实际的训练进程了。一般情况下，可以通过简单的命令行指令来进行操作，比如： ```bash python train_ssd_network.py --train_dir=PATH_TO_TRAIN_DIR --pipeline_config_path=PATH_TO_CONFIG_FILE ``` 这里的`train_ssd_network.py`代表具体的训练入口程序名称；而两个必需选项分别指定了保存检查点的地方(`train_dir`)还有之前提到过的配置文件所在之处(`pipeline_config_path`)。 #### 验证效果 最后一步是对得到的结果做评估，确认模型性能达到预期水平。可以借助内置的功能或是编写额外的小型应用程序来进行预测展示，从而直观地观察到识别精度等方面的信息变化情况[^4]。
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值