/ssd-pytorch

这是一个ssd-pytorch的源码,可以用于训练自己的模型。

Primary LanguagePythonMIT LicenseMIT

SSD:Single-Shot MultiBox Detector目标检测模型在Pytorch当中的实现


2021年5月24日更新:
添加了mobilenetv2作为ssd的主干特征提取网络,作为轻量级ssd的实现,可通过设置train.py和ssd.py中的backbone进行主干变换。
2021年2月8日更新:
加入letterbox_image的选项,关闭letterbox_image后网络的map一般可以得到提升。

目录

  1. 性能情况 Performance
  2. 所需环境 Environment
  3. 文件下载 Download
  4. 预测步骤 How2predict
  5. 训练步骤 How2train
  6. 评估步骤 How2eval
  7. 参考资料 Reference

性能情况

训练数据集 权值文件名称 测试数据集 输入图片大小 mAP 0.5:0.95 mAP 0.5
VOC07+12 ssd_weights.pth VOC-Test07 300x300 - 79.39
VOC07+12 mobilenetv2_ssd_weights.pth VOC-Test07 300x300 - 71.32

所需环境

torch == 1.2.0

文件下载

训练所需的ssd_weights.pth可以在百度云下载。
链接: https://pan.baidu.com/s/1ru6xnYFpBr2G0n5dKHrxTQ 提取码: w3hy

VOC数据集下载地址如下:
VOC2007+2012训练集
链接: https://pan.baidu.com/s/16pemiBGd-P9q2j7dZKGDFA 提取码: eiw9

VOC2007测试集
链接: https://pan.baidu.com/s/1BnMiFwlNwIWG9gsd4jHLig 提取码: dsda

预测步骤

a、使用预训练权重

  1. 下载完库后解压,在百度网盘下载ssd_weights.pth,放入model_data,运行predict.py,输入
img/street.jpg
  1. 在predict.py里面进行设置可以进行fps测试和video视频检测。

b、使用自己训练的权重

  1. 按照训练步骤训练。
  2. 在ssd.py文件里面,在如下部分修改model_path和classes_path使其对应训练好的文件;model_path对应logs文件夹下面的权值文件,classes_path是model_path对应分的类
_defaults = {
    "model_path"        : 'model_data/ssd_weights.pth',
    "classes_path"      : 'model_data/voc_classes.txt',
    "input_shape"       : (300, 300, 3),
    "confidence"        : 0.5,
    "nms_iou"           : 0.45,
    "cuda"              : True,
    #-------------------------------#
    #   主干网络的选择
    #   vgg或者mobilenet
    #-------------------------------#
    "backbone"          : "vgg",
    #---------------------------------------------------------------------#
    #   该变量用于控制是否使用letterbox_image对输入图像进行不失真的resize,
    #   在多次测试后,发现关闭letterbox_image直接resize的效果更好
    #---------------------------------------------------------------------#
    "letterbox_image"   : False,
}
  1. 运行predict.py,输入
img/street.jpg
  1. 在predict.py里面进行设置可以进行fps测试和video视频检测。

训练步骤

  1. 本文使用VOC格式进行训练。
  2. 训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
  3. 训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
  4. 在训练前利用voc2ssd.py文件生成对应的txt。
  5. 再运行根目录下的voc_annotation.py,运行前需要将classes改成你自己的classes。注意不要使用中文标签,文件夹中不要有空格!
classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
  1. 此时会生成对应的2007_train.txt,每一行对应其图片位置及其真实框的位置
  2. 在训练前需要务必在model_data下新建一个txt文档,文档中输入需要分的类,示例如下:
    model_data/new_classes.txt文件内容为:
cat
dog
...
  1. 将utils.config的num_classes修改成所需要分的类的个数+1,运行train.py即可开始训练。

评估步骤

评估过程可参考视频https://www.bilibili.com/video/BV1zE411u7Vw
步骤是一样的,不需要自己再建立get_dr_txt.py、get_gt_txt.py等文件。

  1. 本文使用VOC格式进行评估。
  2. 评估前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。
  3. 评估前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。
  4. 在评估前利用voc2ssd.py文件生成对应的txt,评估用的txt为VOCdevkit/VOC2007/ImageSets/Main/test.txt,需要注意的是,如果整个VOC2007里面的数据集都是用于评估,那么直接将trainval_percent设置成0即可。
  5. 在yolo.py文件里面,在如下部分修改model_path和classes_path使其对应训练好的文件;model_path对应logs文件夹下面的权值文件,classes_path是model_path对应分的类
  6. 运行get_dr_txt.py和get_gt_txt.py,在./input/detection-results和./input/ground-truth文件夹下生成对应的txt。
  7. 运行get_map.py即可开始计算模型的mAP。

mAP目标检测精度计算更新

更新了get_gt_txt.py、get_dr_txt.py和get_map.py文件。
get_map文件克隆自https://github.com/Cartucho/mAP
具体mAP计算过程可参考:https://www.bilibili.com/video/BV1zE411u7Vw

Reference

https://github.com/pierluigiferrari/ssd_keras
https://github.com/kuhung/SSD_keras