SSD+pytorch+ubuntu16.04训练自己的数据集_ubuntu+pytorch生成自己的数据集-优快云博客

本文链接：https://blog.youkuaiyun.com/zxmyoung/article/details/107005222

西西嘛呦讲解的比较详细

https://www.cnblogs.com/xiximayou/p/12552854.html

最近做实验，参考各位大神的教程来跑自己的数据集，

整个过程做一个记录，为以后的复现做参考。

这份代码是比较新的，比起两年前star数量最多的SSD Pytorch实现有更多的灵活度，更详细的文档，作者给出了不同的Backbone，在readme里面给出了特别详细的修改指导，对于想要自己更改网络，写自己的数据类的小伙伴，强烈安利！在此感谢原作者。

因为安装使用SSD和源码解读是很大两块内容，分俩个部分来写，第一部分主要是关于SSD的使用。

SSD安装/训练/推理

安装：（ubuntu环境）对于如何安装并跑这份代码作者在readme里面写得简直不能太详尽，只补充几个注意点：

养成好习惯，尽量在conda 里面创个虚拟环境
CUDA9/10皆可，但是CUDA8是不行的
小Tip: conda install torchvision==0.3.0，一行命令基本帮忙把torch相关依赖都装上了

git clone https://github.com/lufficc/SSD.git
cd SSD
# Required packages: torch torchvision yacs tqdm opencv-python vizer
pip install -r requirements.txt

# Done! That's ALL! No BUILD! No bothering SETUP!

插播一下数据准备：

新建一个datasets文件夹。源码支持coco/voc格式，当然你也可以自定义一个数据接口，这个作者也有指导！自己写数据类请参考ssd/data/datasets/目录下的coco.py和voc.py

对于voc:

--datasets
|   --voc2007
|        --Annotations
|             --1.xml,2.xml,....,......
|        --JPEGImages
|             --1.jpg,2.jpg,....,......
|        --ImageSets
|             --Main
|                 --test.txt #用于测试的。形如1,2,3,4...也就是index 加上.xml或者.jpg就是标签和图像的名字
|                 --train.txt #用于训练的
|                 --trainval.txt #训练加验证
|                 --val.txt #验证

仿照VOCDataset(torch.utils.data.Dataset)写一个针对自己特定数据格式的类就可！

对于想自己定义数据类以及更改网络结构的，给出原作者的指导

https://github.com/lufficc/SSD/blob/master/DEVELOP_GUIDE.md

含有三个目标的voc格式的.xml文件标长这样：

注意：这边有个坑，原作者是在训练时同事用了VOC2007和VOC2012的格式。所以在自己的数据集中也要有这两种格式的，其实就是吧VOC2007的复制一下，然后把名字改成VOC2012就行。

当然也可以只用VOC2007，只需要在SSD-master/configs/vgg_ssd300_voc0712.yaml中设置就行

训练阶段

建立好自己数据后，需要把它的路径写到 ssd/config/path_catlog.py中，同时在configs/vgg_ssd300voc0712.yaml文件中指定所用数据。为了方便，上面我直接把自己的数据就命名为VOC2007，这样其实不需要改 pathcatlog.py.

注意要点：还有一个特别需要注意的点就是类别的更改，在SSD-master/default.py和,configs/vgg_ssd300voc0712.yaml中的NUM_CLASSES是自己的数据的类别，记得加上背景，且一定要和数据集中的一样，而且不能有大写，空格等符号，只能是小写字母。同时，一定要在SSD-master/ssd/data/datasets/voc.py或者SSD-master/ssd/data/datasets/coco.py中(如果用的voc/coco格式)将类别标签都改为自己的.

注意：

运行train.py的训练的时候，由于在ssd/config/default.py中,默认是vgg网络作为backbone，但是如果你选择了使用预训练模型，那么往往会遇到一个问题，预训练模型需要到程序中指定的那个url去下载，但往往会失败。所以，这个时候不如到网上找一个vgg16的预训练模型vgg16_reducedfc.pth，根据错误提示，把模型放到~/.torch/models/下面，要在命令行下面操作，.torch是隐藏文件，图形界面找不到的

# for example, train SSD300:
python train.py --config-file configs/vgg_ssd300_voc0712.yaml

我的下载好，手动放置到所提示的位置：

接下来是对里面的几个关键文件作一个说明：

ssd/config/defaults.py和 configs/vgg_ssd300_voc0712.yaml：这两个是都是这个工程的参数配置，yaml比前者的优先级高，yaml没有的到defaults里面找，使用何种backbone，输入图片大小，特征图，默认框的生成配置，训练配置等等都在里面。几个关键的点：

更换backbone：

这个对应了defaults.py中的# Backbone部分，在ssd/modeling/backbone目录下面可以看到，作者提供了三个backbone。但是并非简简单单的把_C.MODEL.BACKBONE.NAME = 'vgg'换成mobilenet或者efficientnet就可。前面的链接里面作者也给出了指导：

但是问题来了，这几个参数该咋改呢，咋知道mobilenet对应的几个特征图的输出通道和大小呢?当然只能去看在ssd/modeling/backbone目录下面的源码了，以下对于更换为mobilenet的情况作一个说明。源码支持300和512大小的图像输入，对于300x300的输入，尝试着自己打印一下作者定义的mobilenet为基础的banckbone的网络就很容易得到各个特征图的信息：

torch.Size([2, 96, 19, 19])
torch.Size([2, 1280, 10, 10])
torch.Size([2, 512, 5, 5])
torch.Size([2, 256, 3, 3])
torch.Size([2, 256, 2, 2])
torch.Size([2, 64, 1, 1])
#输出通道分别是[96,1280,512,256,256,64]
#大小分别是[19,10,5,3,2,1]
#STRIDES代表了特征图框放大到原始图的缩放比例，输入图像是300x300，
#那么300除以各个特征图的大小就对应了比例:[15,30,60,100,150,300]
对于不能整除的情况，可以近似(这一点其实我也不是特别的理解，
我觉得完全可以在设计网络阶段就把其全都设计为整除的啊)

插播一句：

_C.MODEL.PRIORS.MIN_SIZES #这个和特征图的个数有关，因为都是6个，不需改

所以更改后：

(注意一定要把mobilenet名字写全，看源码里面叫啥：是叫mobilenet_v2啊!!!!!!)

顺便给出imgesize=512对应的vgg和mobilenet_v2的特征图size信息

512输入对应的vgg的六个FeatureMap
torch.Size([2, 512, 64, 64])
torch.Size([2, 1024, 32, 32])
torch.Size([2, 512, 16, 16])
torch.Size([2, 256, 8, 8])
torch.Size([2, 256, 6, 6])
torch.Size([2, 256, 4, 4])

512输入对应的mobilenet_v2的六个FeatureMap
torch.Size([2, 96, 32, 32])
torch.Size([2, 1280, 16, 16])
torch.Size([2, 512, 8, 8])
torch.Size([2, 256, 4, 4])
torch.Size([2, 256, 2, 2])
torch.Size([2, 64, 1, 1])

至于lr，batch_size，模型输出路径等到.yaml中修改

推理

参考：demo.py

补充说明，源码中是用的vizer库在绘图，但是我感觉这给绘出来的图太细了，而且不支持中文显示，我没搞懂怎么调，于是用cv2和PIL重新写了一遍

附上linux下中文字体的路径：

/usr/share/fonts/truetype/arphic/uming.ttc