SSD train your own data

使用深度学习和SSD模型几行代码实现高效人脸检测 深度学习的出现为人脸检测领域带来了革命性的进步,特别是单次多框检测器(SSD)模型,以其出色的准确性和效率,成为了这一领域的重要里程碑。本文深入探讨了使用深度学习特别是SSD模型和OpenCV进行人脸检测的方法。我们从基本原理出发,详细介绍实现过程,包括环境搭建、模型选择、详细代码实现,以及面临的挑战和可能的解决方案。完整代码已经贴出,供大家学习参考。 阅读详情

Because there is no tutorial online about  SSD training our own data, in this blog, I will explain how to train our own data. I hope this blog can solve the doubts about SSD. 

 

Tips: This blog is my last blog (SSD's configuration installation and testing) of the sub blog, you need to install my last blog,  which address is http://blog.youkuaiyun.com/samylee/article/details/51822832

 

Step one:Production of VOC2007 datasets

I made the pedestrian datasets, pictures to reach around18000,annotations to reach about100000. Due to the need of engineering company, the datasets is not convenient to display. I hope you will forgive me.

The process of making the datasets refer to this blog: http://blog.youkuaiyun.com/samylee/article/details/51201744, please.

The results of the production are stored in the data folder, named VOC2007, which contains three folders(Annotations, ImageSets, andJPEGImages). The format is the same as the Faster-rcnn.

 

Step two:  Modify files of create_list.sh andcreate_data.sh

The download link of modified file of create_list.sh is: http://download.youkuaiyun.com/detail/samylee/9572820

The download link of modified file of create_data.sh is: http://download.youkuaiyun.com/detail/samylee/9572823

 

Step three:  Modify files of ssd_pascal.py and ssd_pascal_webcam.py

The download link of modified file of ssd_pascal.pyis: http://download.youkuaiyun.com/detail/samylee/9572825

The download link of modified file of ssd_pascal_webcam.py is: http://download.youkuaiyun.com/detail/samylee/9572834

 

Step four: Experimental description

The experimental procedure is the same as my last blog(SSD's configuration installation and testing), we just need to modify the corresponding file to train our own data.

 

Step five: Experimental result

Iteration 60000, loss = 1.5299    Detection_eval = 0.7737

 

任何问题请加唯一QQ2258205918(名称samylee)  !!! 

或唯一VX:samylee_csdn

TrainYourOwnYOLO:从头开始训练最先进的yolov3对象检测器! TrainYourOwnYOLO:从头开始构建自定义对象检测器 此存储库使您可以使用最新的计算机视觉算法训练自定义图像检测器。 简短的请查阅这个。 此仓库可与TensorFlow 2.3和Keras 2.4一起使用。 开始之前: :fork_and_knife: 分叉此存储库,以便您可以将其用作自己的项目的一部分。 :star: 为这个仓库加上星号,以获取有关未来改进的通知。 管道概述 要构建和测试您的YOLO对象检测算法,请执行以下步骤: 安装Microsoft的视觉对象标记工具(VoTT) 注释图像 下载预先训练的体重 在带注释的图像上训练您的自定义YOLO模型 检测新图像和视频中的对象 回购结构 :有关图像批注的脚本和说明 :有关训练YOLOv3模型的脚本和说明 :有关在新图像和视频上测试您训练有素的YOLO模型的脚本和说明 :输入数据,输出数据,模型权重和结果 :由主脚本使用的工具脚本 入门 Goo 立即下载

相关推荐

SSD训练模型自动生成train,test的txt文档

在进行SSD训练时,需要两个txt文档,之前都是用excel表格拉取,但数量过多的时候比较麻烦,就写了一个小脚本,能自动生成train.txt和test.txt,也可以设置比例,比较方便

ssd训练中“Test net output #0: detection_eval”的含义

ssd在训练时,会有detection_eval,如下图: detection_eval是指mAP,可参考https://github.com/weiliu89/caffe/issues/53

linyigreat的专栏 4285

yolo测试脚本

DarkNet平台下,对训练好的yolo模型进行测试,输出各层详细的信息

目标检测中准确率评价指标

caffe中实现SSD准确率评价方法是TestDetection()函数。mAp指标值是每个类别的Average precision的平均值。 本文分析DetectionEvaluateLayer中实现评价的过程及其评价指标。需要指出的是,一般的前向过程是不包含DetectionEvaluateLayer层的定义的,只有在训练的评价(TEST)过程中才会使用到该layer。具体使用该层时,需要在...

CHIERYU的专栏 1万+

华为AR3260路由器NAT回流配置实战:从WEB界面到命令行的完整避坑指南

本文详细解析了华为AR3260路由器NAT回流(Hairpin NAT)的配置原理与实战方法。针对内网用户无法通过公网地址访问内部服务器的常见问题,文章不仅剖析了WEB界面配置的常见报错原因,更提供了清晰、可靠且一劳永逸的命令行(CLI)配置方案与排错指南,帮助企业网络工程师彻底解决内外网访问不一致的难题。

u6v7w8x的博客 874

AF驱动调试日志全解析:从配置到问题排查

本文全面解析AF驱动调试日志的配置、抓取与分析方法。从内核驱动与HAL层配置入手,确保日志正常输出,并详细解读开机初始化、马达识别、I2C通信等关键日志节点。通过多个实战案例,如对焦失败、前摄无功能、参数不生效及I2C报错等,系统性地展示了如何利用日志定位并解决AF对焦问题,是摄像头模组开发与调试的实用指南。

weixin_28285943的博客 305

【人脸识别】ssd + opencv Eigenfaces 和 LBPH算法进行人脸监测和识别

其实不一定使用ssd,fasterRcnn, yolov 都可以~所以假设我们已经实现了这个监测模型。那么我们直接进入识别环境。

weixin_40293999的博客 2115

Rclone替代RaiDrive?零广告免费挂载Alist WebDAV到Windows资源管理器(含自启脚本)

本文详细介绍了如何使用开源工具Rclone替代RaiDrive,实现零广告、全免费的Alist WebDAV挂载方案。通过深入解析配置参数、提供完整的自启动解决方案和解决常见问题,帮助用户在Windows资源管理器中高效管理云存储,提升使用体验。

weixin_33709364的博客 636

人脸表情识别系统项目完整实现详解——(二)使用SSD模型检测人脸

人脸检测是人脸表情识别系统中至关重要的一环,其准确性直接影响到整个系统的性能表现。本文介绍了使用SSD模型和OpenCV进行高效人脸检测的完整代码实现。我们详细介绍了SSD人脸检测器的工作原理,包括如何加载预训练的SSD模型,并对输入图像中的人脸进行检测和定位。提供了详细的代码资源,展示了如何使用OpenCV读取和处理图像,使用SSD模型进行人脸检测,并在检测到的人脸周围绘制边界框。

思绪无限的博客 1万+

100天精通Python(爬虫篇)——第114天:爬虫基础模块之requests基础入门

一、request模块大总结 1. 下载安装 2. 常用属性或方法 3. response.text和response.content的区别: 4. 发送带headers参数请求 5. 发送带参数请求 6. 在headers参数中携带cookie 7. 超时参数timeout的使用 8. proxies代理参数的使用 9. 发送post请求...............

努力让自己发光,对的人才能迎着光而来 11万+

互联网人提高效率必备软件合集

很多的时候我们解决不了问题,只是因为没有找到对的工具,实际上,很多好的工具就在那里,只是你不用而已。这点上,信息壁垒是一个很大的原因,因此我希望兄伙伴们多出去走走,不要只是局限在一个圈层;

zhonglunshun的专栏 3484

caffe train your own data on windows

the origin link:http://blog.youkuaiyun.com/zr459927180/article/details/51001536 We use the caffe of Happynear's version, he finished all the lib and other things we need for caffe train.He's compiling

程序媛 716

华为昇腾云平台适配Baichuan2大模型记录

文件发现报错:ValueError: The pipeline stage 2 in auto_parallel_context is not equal to the pipeline_stage 1 in the config.run_baichuan2_7b.yaml`,发现默认设备数是16卡,对应的pipeline_stage为2,但实际是8卡,那就改成下面的试试看。,将Baichuan2_7B_Chat.ckpt文件复制进去,将。点击镜像管理,突然发现有个2_2_0,赶紧新建了一个,成功。

羊城迷鹿的博客 2393

Train YOLOv2 on my own dataset(使用YOLOv2训练自己的数据集)

文章来自于:https://www.yuthon.com/2016/12/03/Train-YOLOv2-on-my-own-dataset/ 最近在看 Darkflow 的时候, 发现连 YOLOv2 都出了, 据称 mAP 和速度都提升了不少, 立马 clone 下来试了一番. Instruction Comparison 下面是官网挂出来的一个对比表, 可以看出, YOLOv2 有

shenxiandashu的专栏 1300

Fiori Elements 表格之 Tree Tables:从数据建模到交互行为的全链路剖析

SAP Fiori elements的Tree Table组件将分层数据以表格形式展示,支持展开/折叠操作,适用于组织结构、物料清单等多级数据场景。该组件在List Report和Object Page中均可使用,支持懒加载、多选、列冻结等标准表格功能,并与OData V4服务层级注解深度集成。后端需通过RAP或CAP建模提供层级数据,前端通过清单配置切换表类型。需注意在草稿模式下仅显示活动实体,且展开状态在编辑时不保留。性能方面建议采用懒加载策略,避免全量加载树节点。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 159

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

TensorFlow 2 版 Object Detection API 快速上手指南:安装、微调训练、模型库与官方资源全梳理

本篇指南面向希望在本仓库中直接使用 TensorFlow 2 版 Object Detection API 的开发者,核心覆盖从环境安装、功能自检、Colab 快速体验,到本地/云端训练评估、预训练检测模型库(Model Zoo)与官方子指南检索的完整链路。读完后你将能够独立完成 TF2 目标检测环境搭建,并据此开启自定义数据集上的训练与评估流程。 本仓库整体为基于 TensorFlow 构建的

gitblog_00263的博客 811

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

OpenCV Haar分类器训练时间优化:从几天到几小时的加速技巧

OpenCV Haar分类器是计算机视觉领域广泛使用的对象检测工具,但默认训练流程往往耗时漫长。本文将分享6个实用技巧,帮助开发者将原本需要数天的训练时间压缩至几小时内,让模型训练效率提升300%以上。无论你是刚接触OpenCV的新手,还是正在优化现有项目的开发者,这些经过实战验证的加速方法都能帮你显著节省时间成本。 ## 一、基础参数优化:用对工具自带的加速开关 OpenCV的`opencv

gitblog_00066的博客 515

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

从Haar到深度学习:传统计算机视觉与AI物体检测对比

在计算机视觉领域,物体检测技术经历了从传统方法到深度学习的革命性转变。OpenCV Haar分类器作为传统计算机视觉的经典代表,曾广泛应用于人脸检测等场景;而如今,基于深度学习的物体检测算法如YOLO、Faster R-CNN等已成为主流。本文将深入对比这两类技术的核心原理、优缺点及适用场景,帮助你理解计算机视觉的发展脉络。 ## 一、Haar分类器:传统特征工程的巅峰之作 ### 1.1 核

gitblog_00822的博客 307

【Programming】

增强式学习,借助定义 Actions、States、Rewards 的方式不断训练机器循序渐进,学会执行某项任务的算法。常用算法有Q-LearningTDSarsa总结的比较好的一个机器学习框架TensorFlow:低级深度学习链接库,Brain Team 开发,15年11月公开源码Keras:高级深度学习链接库1)Tensor(张量)零维的 Tensor 是标量,1维的是向量,2维以上的是矩阵2)Flow(数据流)去陌生的城市,不会当地的语言,最好的方式,画一张图告诉司机你的目的地Node。

bryant_meng 3519

Label Studio:如何用开源工具构建企业级AI数据标注流水线

在人工智能项目实践中,**数据质量**、**标注效率**和**团队协作**是决定模型性能的三大关键因素。传统的手工标注方式不仅耗时费力,更难以保证标注一致性和数据质量。Label Studio作为一款开源的多模态数据标注工具,通过标准化输出格式和智能化标注流程,为AI团队提供了从数据准备到模型迭代的全栈解决方案。 ## 🤔 为什么传统标注方法正在被淘汰? 你是否遇到过这些数据标注痛点?标注团

gitblog_00071的博客 483

让大模型学会‘翻自己的笔记’:自检大脑技术实战

大语言模型(LLMs)本质上是参数化的知识存储体,其内部权重与激活模式天然承载着训练所学的结构化信息。‘自检大脑’并非玄学概念,而是基于注意力机制可解释性、稀疏激活可索引性及低秩微调可控性的工程实践——它将模型从单向生成器升级为支持语义路由、知识域切换与细粒度召回的可寻址存储器。相比依赖外部向量库的RAG方案,该路径显著降低端到端延迟、规避语义鸿沟导致的召回失真,并实现分钟级知识更新。本文聚焦Qwen2等主流开源模型,详解如何通过LoRA模块化适配、中间层激活分类与动态注意力引导,构建轻量、可部署的‘自检大

347

3DVLA:两阶段训练实现3D视觉语言空间对齐

3D视觉语言对齐是具身智能与工业自动化的核心基础能力,其本质是让模型在三维欧氏空间中建立点云几何表征与自然语言指令的可微、可执行映射。传统端到端方法因几何学习与语义学习耦合过深,易导致位姿估计漂移、关系理解模糊。3DVLA通过解耦设计——第一阶段专注点云自监督重建与多视角几何一致性约束,夯实空间感知地基;第二阶段引入轻量适配文本编码器,联合优化语义对齐、6D位姿回归与空间关系约束,输出可直驱ROS或Unity的物理参数。该范式显著提升跨模态定位精度(误差<0.05m/2°)与部署鲁棒性,适用于机械臂控制、A

weixin_30316097的博客 421

如何让停售多年的Mac装上新版macOS?OpenCore Legacy Patcher完整实操指南

一台2010年的Mac mini被苹果移出系统支持列表后,"判决书"往往不是来自硬件,而是来自机型编号。OpenCore Legacy Patcher(下文简称 OCLP)是一个基于 OpenCore 与 Lilu 的开源补丁工具,让2007年及之后的 Intel Mac 在不改动任何固件的前提下,绕过机型限制安装 macOS Big Sur 至最新系统,并继续获得安全更新。它适合那些硬件还能打、

gitblog_00001的博客 161

自带 API Key 即可上手:Open WebUI Computer 内置 AI Agent 工具调用与 Plan 模式详解

Open WebUI Computer(命令行代号 `cptr`)是一个把整台电脑服务到浏览器的开源工作站工具,内置 **AI Agent**,只需自带 API Key 就能让 AI 直接在你的电脑上**调用工具**——读文件、改代码、跑命令、上网搜索,还能开启 **Plan 模式**:先出实施计划、等你批准后才动手写文件。 [![Open WebUI Computer 内置 AI Agent

gitblog_00621的博客 86

用合成数据替代人工标注训练奖励模型

奖励模型(Reward Model)是大语言模型对齐的核心组件,其性能直接决定RLHF效果。传统依赖人工偏好标注的方式面临成本高、一致性差、周期长等工程瓶颈。合成数据驱动的奖励建模通过基础LLM自生成响应、多角色批判打分与对比排序,将人类从重复标注中解放,转而聚焦于reward shaping设计与边界审核。该方法兼顾事实性、安全性与业务可控性,已在医疗、金融等垂直领域验证:Spearman相关系数达0.83,数据生产周期压缩至4.2天。本文详解如何用Qwen2-7B构建可审计、可扩展、可调控的合成偏好流水

aikenqiu5098的博客 382
上一篇: SSD的配置安装与测试
下一篇: Windows-SSD配置与测试
samylee
博客等级 码龄11年 585粉丝 92原创
评论 5
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 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