Jesse_Mx的博客

SSD（Single Shot MultiBox Detector）算是一个比较不错的目标检测算法，主攻方向是速度，当然精度也比Yolo提高了一些，最近在ubuntu16.04下实现了代码运行，此博文主要内容来自原作者的github，加上了一些个人理解，欢迎探讨。准备工作：linux+cuda+caffe是标配，我就不详述了，推荐博客：ubuntu16.04+nvidia gt74

前言 博主在上一篇中提到了两种可能的改进方法。其中方法1，扩充类似数据集，详见Udacity Self-Driving 目标检测数据集简介与使用 ，由于一些原因，并未对此数据集做过多探索，一次简单训练下，mAP为64%左右，这还需要进一步探索。而方法2，说的是fine-tune已经训练好的SSD model，最近没来得及进行调参，初次实验效果有限，先把过程和原理记录下来，免得忘了，然后还会说下

前言 博主在上篇中花了很大篇幅讲解如何一步步把KITTI原始数据做成了SSD可以训练的格式，接下来就可以使用相关caffe代码实现SSD的训练了。下载VGG预训练模型 将 SSD 用于自己的检测任务，是需要 Fine-tuning a pretrained network，看过论文的朋友可能都知道，论文中的SSD框架是是由VGG网络为基底（base）的。除此之外，作者也提供了另外两种结...

前言 SSD是目前先进的one-step目标检测算法，针对该框架的训练还有不少技巧可以挖掘，本文试着写写一些常见和不常见的技巧，在不改变网络架构的条件下（相反则是DSSD，R-SSD等改动卷积层结构的系列算法），应该能对精度提升有所帮助。这里只是抛砖引玉，不敢说真的很懂。抽取权重 一般而言，我们都是用预训练模型来开始新的数据集训练，常用的预训练模型主要是Imagenet，Pascal

前言 对于目标检测算法来说，最终模型的评价至关重要。本文将针对SSD检测框架，简要叙述如何在模型的测试阶段，针对标注好的测试集，得到mAP，每一类的AP，以及画出P-R曲线。这里博主不再赘述mAP的概念及其计算公式，只说怎么修改caffe-ssd的代码。模型测试 SSD算法的模型测试主要有两种方式，一种是训练中每间隔一定的迭代次数进行测试，一种是在模型训练结束后，针对某个caffemo...

先引出题目，占个坑，以后慢慢填。mobilenet 也算是提出有一段时间了，网上也不乏各种实现版本，其中，谷歌已经开源了Tensorflow的全部代码，无奈自己几乎不熟悉Tensorflow，还是比较钟爱Caffe平台，因而一直在关心这方面。单纯的Mobilenet分类不是关注重点，如何将其应用到目标检测网络才是关键，目前基本看好的思路就是Mobilenet+SSD，github上已经有至

论文地址：DSSD : Deconvolutional Single Shot Detector概述这篇论文应该算是SSD: Single Shot MultiBox Detector的第一个改进分支，作者是Cheng-Yang Fu， 我们熟知的Wei Liu大神在这里面是第二作者，说明是一个团队的成果，论文很新，暂未发布源代码。博主对该文章重要部分做了翻译理解工作，不一定完全对，欢迎讨论。在SS

前言 博主也算是刚开始研究SSD项目，之前写了一篇SSD的安装和配置，这次是简单介绍下如何用SSD检测单张图片，其实过程也比较简单，下面正式开始。准备工作 当然，首先你要把SSD按照教程编译好，设置好python环境变量，然后重启计算机（建议），开始本次工作。SSD项目检测单张图片有C++程序和ipython程序，这里建议用ipython，主要是方便简单（最近新增了C++程序说明）。该工具路径为/h

前言此篇博文，博主将详细介绍Jetson TX1如何安装运行caffe框架。因为要在开发板上跑ssd的demo，所以就直接clone ssd项目了，反正ssd也是caffe的一个分支，除了ssd特有的层，二者在编译运行上几乎一样。安装依赖包依次安装以下依赖项，如果不想每一次install都出现yes or no的提示项，可以在命令末尾加上“-y”。sudo apt-get install build

前言 此篇博文将详细记录如何使用Eclipse C++运行并调试SSD代码，博主针对的是ssd_detect.cpp这个C++检测代码，而非SSD（caffe）框架本身。一个现实问题是，在caffe文件夹下，调试cpp代码显得很困难，每次都要重新编译整个caffe，如想方便地调试和改写代码，其中简便的办法就是使用IDE。因此，对于大型C++工程而言，十分需要把SSD（caffe）作为一个可调用的库，

前言之前介绍了SSD的基本用法和检测单张图片的方法，那么本篇博客将详细记录如何使用SSD检测框架训练KITTI数据集。SSD项目中自带了用于训练PASCAL VOC数据集的脚本，基本不用做修改就可以轻松完成训练；但是想要训练其他数据集比如KITTI，则需做很大的调整。本文所有工具源码都已公开，请根据实际情况自行修改。下载数据集博主打算将SSD算法用于检测车载视频，用到的是 KITT

前言 本文将介绍博主在Jetson TX1上进行开发的两个技巧，一是安装使用Qt Creator来调试C++工程代码，包括Caffe的C++接口；二是配置远程桌面，方便PC或者手机远程查看和简单操作。关于第一条，博主之前写过博文介绍Eclipse调用Caffe接口的配置：Ubuntu 16.04使用Eclipse运行Caffe-SSD的cpp代码 ，不过现在已经转为使用Qt Creator了，原因很

前言 之前，博主为了得到更好的车载视频目标检测效果（偏工程实际，非刷榜），使用SSD框架训练过KITTI数据集，几次训练下来，结果不太理想。自己分析，原因较多，其中很重要的一条就是KITTI数据集不够大（标注图片仅7000多张），而且还是fine-tune from reduced VGG model，精度自然不会太高。解决方法大约有两种：一是扩充数据集；二是fine-tune已经训练好的SSD m