ssd训练自己的数据集

已于 2022-07-12 10:18:32 修改
阅读量6.4k 收藏 18
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 目标检测 文章标签： 目标检测 python 深度学习 人工智能 pytorch
于 2022-07-12 09:21:15 首次发布
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。
本文链接：https://blog.youkuaiyun.com/reset2021/article/details/125731150
本文档详细介绍了如何使用SSD算法在PyTorch中训练自己的数据集，包括数据集准备、源码修改、训练过程以及在训练过程中可能遇到的问题及其解决方案，如数据集格式、类别数设置、报错处理等。

基于SSD算法实现对自己数据集的训练与检测。(该专题以操作为主）

SSD是一种非常优秀的one-stage目标检测方法，one-stage算法就是目标检测和分类是同时完成的，其主要思路是利用CNN提取特征后，均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，物体分类与预测框的回归同时进行，整个过程只需要一步，所以其优势是速度快。

这篇文档主要讲述怎样用SSD算法来实现对自己数据集的训练步骤，以及一些可能遇到问题的解决方案。

源码采用开源代码，链接如下：

https://github.com/bubbliiiing/ssd-pytorch

代码结构如下图所示

1、准备数据集

需要准备VOC格式的数据集（以VOC格式数据集为例）

 2、修改相应的数据处理函数

① 本文采用的是 自己的数据集，

了解本专栏 订阅专栏 解锁全文 超级会员免费看
SSD训练自己数据集
qq_41613251的博客
05-14 998
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
用SSD训练自己的数据集
dongfang1984的博客
07-07 4938
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 | `-- ...
用SSD框架训练自己的数据集
chris_pei的博客
01-17 1万+
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
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 7777
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 1621
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
ssd训练自己数据集
weixin_38383877的博客
12-17 1793
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-Pytorch训练自己的数据集
最新发布
weixin_67856277的博客
04-27 2489
在115行，N = num_pos.data.sum()的后面加上.double,继续在下面添加。在204行， 修改第n次迭代保存一次权重文件，将5000改为500，更改权重名称（随意）num_classes类的个数改为自己设定的+1（自己的类别数＋背景类别）将train文件中所有的nn.init.xavier_uniform。在28行处，修改VOC_ROOT，为存放自己数据集的路径。更改为nn.init.xavier_uniform_在20行处，修改VOC_CLASSES为自己的类别。
对比实验系列：SSD环境配置及训练自己数据集
Yayisheng的博客
04-18 6697
可以从下方的链接下载SSD-Pytorch源码。
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
SSD训练自己的数据集
lk123400的专栏
03-10 8210
Faster-rcnn训练了自己的数据集，感觉效果还行，对于自己的数据集的准确率在89%左右，但是Faster-rcnn的速度就是个坑。因此，开始想着用SSD试一下。 因为已经有了Faster-rcnn数据集，所有数据集的制作步骤可以省略了。接下来就是SSD训练的修改了。 在此，设定SSD的根目录为caffe-ssd: 1、在caffe-ssd/data/VOCdevkit 中mkd
SSD训练自己的数据集（pytorch版，吊打面试官系列
m0_61068496的博客
04-08 1201
(img-0T5pjHBw-1712550640154)]源码讲义、实战项目、讲解视频，并且后续会持续更新**
SSD（pytorch）自建数据集训练及测试
OrigamiSun的博客
05-11 6230
SSD-pytorch的训练，主要包括数据集的制作，yolo格式转voc格式，训练过程可能出现问题的解决办法，在评价指标上AP的基础上增加recall、precision和f1。
SSD安装及训练自己的数据集
zhang_shuai12的专栏
08-28 4万+
最近一直在搞object detection玩，之前用的是faster-rcnn，准确率方面73.2%，效果还不错，但是识别速度有点欠缺，我用的GPU是GTX980ti, 识别速度大概是15fps.最近发现SSD(single shot multibox detector) 这篇论文效果和速度都不错，我自己实验了一下，速度确实比faster-rcnn快不少。下面分两部分来介绍。第一部分介绍SSD的安
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目标检测训练自己的数据_【项目实践】从零开始学习SSD目标检测算法训练自己的数据集（附注释项目代码）...
weixin_39575937的博客
11-20 1069
1、SSD的知识思维脑图2、简介2.1、SSD出现的背景针对YOLO V1对于小目标检测的缺陷一个死板的边框定制，导致如果出现过于密集检测物体时，效果就会比较差，而对于多阶段检测的方法，诸如，RCNN,Fast RCNN,Faster RCNN虽然对于小目标有比较好的检测效果，但是由于其自身会产生很多的冗余边界框导致基于分类的检测方法的检测时间比较久，很难满足实时性的要求。SSD是一个端...
【四二学堂】-Python爬虫入门之一
weixin_39593940的博客
03-24 570
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...
评论
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

打赏作者

reset2021

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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