目标检测算法SSD用于行人检测（二）：训练和测试SSD网络

最新推荐文章于 2025-03-11 11:28:52 发布

sunshine_zkf

最新推荐文章于 2025-03-11 11:28:52 发布

阅读量4.6k

点赞数 1

分类专栏：算法实现文章标签： caffe SSD Caltech dataset 训练和测试

本文链接：https://blog.youkuaiyun.com/sunshine_zkf/article/details/86417513

版权

算法实现专栏收录该内容

2 篇文章

订阅专栏

本文介绍如何将Caltech数据集转化为caffe的LMDB格式，并修改SSD代码以适应单一类别的行人检测任务。在Ubuntu16.04环境下，通过调整ssd_pascal.py脚本，设置正确的数据路径和类别数，实现对Caltech数据集的SSD网络训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

将Caltech数据集转化为caffe的输入数据格式LMDB请参考上一篇文章：https://blog.youkuaiyun.com/sunshine_zkf/article/details/86173247

前言

修改SSD代码，将其适用于只有一类行人的Caltech数据集上。平台Ubuntu16.04+caffe+SSD+python2.7

一、训练和测试SSD网络所需的文件

在caffe_SSD_root/examples/ssd目录下：

ssd_pascal.py ：用于训练VOC数据集,训练自己的数据集基本都是改这个文件。

通过分析ssd_pascal.py的源码，可以知道训练ssd模型需要几个文件输入，分别是

train_data = "examples/VOC0712/VOC0712_trainval_lmdb"
test_data = "examples/VOC0712/VOC0712_test_lmdb"
name_size_file = "data/VOC0712/test_name_size.txt"
pretrain_model = "models/VGGNet/VGG_ILSVRC_16_layers_fc_reduced.caffemodel"  //是base network部分(VGG_16的卷积层)的预训练参数。
label_map_file = "data/VOC0712/labelmap_voc.prototxt"  //保存的是物体的name和label的映射文件，用于训练和测试

下面的四个文件由ssd_pascal.py脚本中根据模型定义和训练策略参数自动生成的
train_net_file = "models/VGGNet/VOC0712/SSD_300x300/train.prototxt"
test_net_file = "models/VGGNet/VOC0712/SSD_300x300/test.prototxt"
deploy_net_file = "models/VGGNet/VOC0712/SSD_300x300/deploy.prototxt"
solver_file = "models/VGGNet/VOC0712/SSD_300x300/solver.prototxt"

二、修改SSD网络的文件用于训练Caltech数据集

1、修改ssd_pascal.py

复制ssd_pascal.py，重命名为ssd_pascal_caltech.py

主要就是路径的修改，修改如下：

（1）修改train_data和test_data路径

（2）主要还是路径的修改，和num_classes数量的修改

（3）修改num_test_image的数量

2、训练SSD网络及其结果

在caffe_SSD_root根目录下运行：

python examples/ssd/ssd_pascal_caltech.py

运行结果不收敛：

解决办法：不收敛的原因主要是学习率太高了，降低学习率为base_lr=0.000004，经过120000次迭代后的结果是：