Cómo utilizar SSD para entrenar tus propios datos

Puede consultar el artículo anterior para configurar ssd en Windows. Este artículo asume que el ssd se ha compilado en Windows.

1. Preparar los datos

Necesita preparar los datos correspondientes según el formato PASCAL VOC. Le recomendamos que utilice un excelente software de etiquetado (/tzutalin/labelImg)

Tome VOC2012 como ejemplo. Debe configurar Anotaciones, ImageSets y Anotaciones en la carpeta JPEGImages en el directorio VOC2012 para guardar la información xml de la etiqueta correspondiente. JPEGImages guarda los datos de la imagen. , que guarda las etiquetas correspondientes. Texto de texto del conjunto de datos de capacitación y validación

Luego, use caffe-ssd-create_data.bat para generar el archivo lmdb requerido (create_data.bat se modificará según la situación real).

caffe get_image_size.bat en el directorio -ssd-microsoft\data\VOC0712 se utiliza para generar el mapa de tamaño de imagen. Utilice get_ image_size.bat para generar la asignación de tamaño de la imagen correspondiente en test.txt y escriba el resultado generado en test_name_size.txt

Para el entrenamiento posterior, debe preparar los siguientes archivos:

archivo de definición de conjunto de archivos test.txt para pruebas

archivo de definición de etiquetas de prototxt

archivo de definición de red de prueba test_name_size.prototxt

deploy.prototxt Archivo de definición de implementación

archivo de configuración de entrenamiento solver.prototxt

2. El ssd_pascal.bat en caffe-ssd-microsoft\examples\ssd es un programa utilizado para entrenar datos (se llama cuando se ejecuta es ssd_pascal.py, ssd_pascal.py se llama ssd_pascal.py cuando se ejecuta.

format(caffe_root)

save_dir = "{}/models/VGGNet/VOC0712/{}".format(caffe_root, job_name)

snapshot _dir = "{}/models/VGGNet /VOC0712/{}".format(raíz_caffe, nombre_trabajo)

dir_trabajo = "{}/jobs/VGGNet/VGGNet/VOC0712/{}".format(raíz_caffe, nombre_trabajo)

salida_result_dir = "{}/data/VOC0712/results/{}/Main".format(caffe_root, job_name)

name_size_file = "{}/data/VOC0712/test_name_size.txt".format(caffe_root)

pretrain_model = "{}/models/VGGNet/VGG_ILSVRC_16_layers_fc_reduced.caffemodel".format( caffe_root)

label_map_file="{}/data/VOC0712/labelmap_voc.prototxt".format( caffe_root)

f.write('{}\Build\{}\Debug\caffe train ^\n'.format(caffe_root, 'x64'))