承接上一篇SSD介紹：SSD+caffe︱Single Shot MultiBox Detector 目標檢測（一）
如果自己要訓練SSD模型呢，關鍵的就是LMDB格式生成，從官方教程weiliu89/caffe來看，寥寥幾行code，但是前面的資料整理真實要了老命。
教程其實就是一種fine-tuning，在VGG基礎上進行訓練SSD框架。

.

0 官方教程訓練過程：

（1）下載VGGNet.caffemodel， fully convolutional reduced (atrous) VGGNet
（2）下載VOC2007 and VOC2012兩個資料集，放在/caffe/data目錄下
（3）建立LMDB檔案：

./data/VOC0712/create_list.sh
./data/VOC0712/create_data.sh

（4）訓練

python examples/ssd/ssd_pascal.py

以上是官方教程常規訓練步驟，並不難。但是自己訓練時候的資料處理，比較麻煩。

.

1 資料集準備與形成

1.1 所需準備檔案介紹

其中訓練所需的資料夾包括三大類：

筆者自己改寫了一份純python版本的，並上傳到github：https://github.com/mattzheng/umdfaces2VOC2007/
該份程式碼可以直接把下面三個資料夾填滿：Annotations、JPEGImages、ImageSets
另外的ImageSets簡單的用Python來隨機抽樣即可。

• Annotations

  *.xml （所有的標註的物體資訊檔案）
  其中.py程式碼會生成以下首行內容，是沒有關係的

<?xml version="1.0" encoding="utf-8"?>

• JPEGImages

  *.jpg （所有的圖片集）

• ImageSets
  儲存格式為檔名，這裡不帶副檔名

00001
00002

訓練驗證集： trainval.txt，整個資料集的50%
測試集： test.txt，整個資料集的50%
訓練集： train.txt，大概是trainval的50%
驗證集： val.txt，大概是trainval的50%

1.2 訓練檔案介紹

（1） create_list.sh:用於生成三類檔案列表
- test_name_size：測試集影象大小
- test：測試集影象-標籤一一對應
- trainval：訓練集影象-標籤一一對應

這是將資料集做成方便之後生成lmdb的路徑資訊檔案，注意三點：

• 1、root_dir路徑，資料夾名稱的上一級，譬如：/home/caffe-master/ssd/data
• 2、資料夾名稱，VOC2007,本來預設這邊填了兩個資料夾。
• 3、get_image_size.cpp
  工具位置，在41行左右。筆者在自己改了路徑之後，一直找不到於是就自己定義了絕對路徑。一般在：/home/caffe-master/ssd、build/tools/get_image_size

其餘輸出檔案的示例：
影象-標籤一一對應：

Images/000112.png Labels/000112.xml
Images/001365.png Labels/001365.xml

同時注意名稱的一致。

000800 1241 376
006206 1242 375

test_name_size裡面，000800就是圖片名稱，1241*376就是圖片尺寸，高 長。

（2）labelmap_voc.prototxt：
目標檢測的標籤檔案
該檔案主要記錄需要訓練識別的n種物件的資訊，第一類是background，是不變的，對於Pascal VOC資料集來說，需要識別20種物件，所以後面還有20個label。與傳統的機器學習不太一樣的是，以前需要輸入正負樣本，在caffe種，不管是faster rcnn還是ssd，都是隻用對訓練影象將識別物件的座標資訊標註即可，除了標註資訊以外的部分都會當做background去處理。
所以，此時只能填一個：

item {
  name: "none_of_the_above"
  label: 0
  display_name: "background"
}
item {
  name: "face"
  label: 1
  display_name: "face"
}

這裡為什麼要填face，這裡是有講究的。要跟xml裡面的類別一直，github裡面類別寫的是臉，所以必須寫”face”。另外一個案例label可見：SSD框架訓練自己的資料集

（3）create_data.sh：
生成LMDB檔案，以上的create_list準備好之後即可。
最麻煩還是路徑填寫。

2 資料集生成方案

訓練的資料集三種方案：

• 第一：保持原來的檔案目錄結構及檔名不變， 只替換裡面的資料，通用。
• 第二：重新新建一個與之前類似的目錄結構，改成自己命名的資料夾，第二種方法，有一定的風險性，需要修改程式裡涉及資料路徑的程式碼。
• 第三種是直接用txt格式儲存，就可以生成LMDB的辦法，我覺得這個比較好，但是筆者最終沒有實驗成功…譬如：

class_index xmin ymin xmax ymax

2.1 訓練流程

本節參考：SSD框架訓練自己的資料集
- 第一步：create_list.sh：生成test_name_size.txt、test.txt、trainval.txt
- 第二步：修改labelmap_voc.prototxt，標籤檔案，同時需要注意標籤檔案必須多一個background的標籤，作為編號0
- 第三步：create_data.sh：生成LMDB
- 第四步：修改ssd_pascal.py：參考： Ubuntu上用caffe的SSD方法訓練umdfaces資料集

• 第五步訓練：
  python examples/ssd/ssd_pascal.py

2.2 訓練指令碼內容儲存

會在相應的路徑下生成jobs資料夾，其中包含了這一次訓練的指令碼檔案，並且會記錄caffe執行只一次訓練的日誌資訊。
參考：Ubuntu上用caffe的SSD方法訓練Pascal VOC資料集

jobs資料夾下有：
.log檔案：執行記錄，時間，迭代次數等資訊；
.caffemodel檔案，權重檔案
deploy.prototxt、train_val.prototxt等
.

2.3 一些實驗資料

來源於：Ubuntu上用caffe的SSD方法訓練Pascal VOC資料集
計劃訓練的迭代次數是12w次，但是在K80上只開了一個核來進行計算，差不多一天可以迭代1w+次吧，跑了6天將近7w次，打斷來測試，在K80上，檢測單張人臉圖片，解析度在300X300左右，速度為40ms左右，也就是說幀率可以達到25fps，速度還是很快的。至於準確度，在log檔案裡面，每1w次迭代之後會計算一個mAP，第6w次的時候計算了一下mAP（作者自定義過，跟mAP比較像）為0.965：

.

.

報錯一：

cudasucess(10vs0)

解決：修改pythonssd_pascal.py檔案gpus=’0,1,2,3’,如果有一塊GPU,則刪除123，有兩塊則刪除23

.

延伸一：大致的運算效率

K80-單GPU-一天可以迭代1w+次
6天將近7w次
每1w次迭代之後會計算一個mAP
（資料來源：Ubuntu上用caffe的SSD方法訓練umdfaces資料集）

TX.P，筆者自己訓練，大概的運算效率是5千/小時（執行官方教程時）
.

延伸二：SSD額外的功能——視訊檢測 + 實時攝像頭物體檢測

python examples/ssd/ssd_pascal_webcam.py

• 視訊檢測

python examples/ssd/ssd_pascal_video.py