Tensorflow+SSD初步接触，测试+训练

最新推荐文章于 2025-07-28 17:27:22 发布

wll930217

最新推荐文章于 2025-07-28 17:27:22 发布

阅读量1.3k

点赞数 1

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/weixin_40745221/article/details/80221774

本文详细介绍如何使用SSD-TensorFlow进行目标检测模型的测试与训练，包括环境配置、模型下载、数据集格式转换及训练流程。针对可能出现的问题提供了解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

环境：

Ubuntu16.04+CUDA8.0+Cudnn8.0v6.0+python3.5+tensorflow1.4

测试官方的模型：

1. 下载SSD-Tensorflow源码，下载模型ssd_300_vgg，（其实源码里有带的）存放在SSD-Tensorflow-master/checkpoints/目录下，并解压。

2. 在目录 ../SSD-Tensorflow-master/notebooks/ 下打开终端，运行jupyter notebook , 然后会进入服务器，打开ssd_notebook.ipynb，修改第6个cell的ckpt_filename = '../checkpoints/ssd_300_vgg.ckpt'--此处写自己想测试的模型路径及名字；修改第8个cell，path = '../demo/'--此处改成自己测试图片的文件夹路径，下面的[ ]中写测试的那张图片在文件夹中下标。点上面的 run 运行每一个小cell，到第8个就能看到结果了。如下图（1 2 3）

图（1）

图（2）

图（3）

有可能的错误：有可能报错缺少 matplotlib 等依赖包，sudo pip install matplotlib安装即可。运行到第四个cell有可能报错，把from notebooks import visualization 改成 importnotebooks 就好。

3. 数据集格式转换：

自己做成 voc 数据集格式。

转换tfrecords格式数据集时好像只用到标注信息 Annotations 和图片 imageSets，并不需要其它的东西，test中同样也只有这两个文件，生成测试数据集时用。

voc 格式的数据集做好以后，需要把数据集转换成tfrecords格式的能被 tensorflow 识别的类型，然后就需要修改一下源码，datasets \ pascalvoc_common.py，把它原有的20类修改成自己数据集里的类别就好啦。如下图所示：

然后还需要修改 datasets \ pascalvoc_to_tfrecords.py 中的
image_data = tf.gfile.FastGFile(filename, 'r').read() ‘r’ 改成 ‘rb’ 不然会报错：UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 0: invalid start byte

然后在../SSD-Tensorflow-master目录下运行

DATASET_DIR=./VOC2007/
OUTPUT_DIR=./tfrecords/
python tf_convert_data.py \
    --dataset_name=pascalvoc \
    --dataset_dir=${DATASET_DIR} \
    --output_name=voc_2007_train \
    --output_dir=${OUTPUT_DIR}

提前建文件夹 /tfrecords ，转换成的训练数据就生成在里面了。

DATASET_DIR=./VOC2007/test/
OUTPUT_DIR=./tfrecords/
python tf_convert_data.py \
    --dataset_name=pascalvoc \
    --dataset_dir=${DATASET_DIR} \
    --output_name=voc_2007_test \
    --output_dir=${OUTPUT_DIR}

生成测试数据，注意这两个命令的两处不同哦。。。（第一行和倒数第二行）

4. 训练自己的数据集：

训练中不收敛，等有好的结果再过来写吧。。。