SSD算法的MXNet实现

前段时间看到一个SSD（SSD：single shot multibox detector ）算法的MXNet实现，代码风格不错，特来分享。

SSD算法的介绍可以参看博客：SSD（single shot multibox detector）算法及Caffe代码详解

github地址：https://github.com/zhreshold/mxnet-ssd

接下来结合亲自实验列一下如何跑这个模型，系统：Ubuntu 16.04

1、本地安装好MXNet

参考官网：https://mxnet.incubator.apache.org/get_started/install.html

基本上按照流程敲完命令即可安装完毕，实在不想自己安装，可以用docker镜像。

2、跑demo

2.1 先拉取mxnet-ssd项目

git clone --recursive https://github.com/zhreshold/mxnet-ssd.git[/code] 
拉取下来的项目默认名称为
mxnet-ssd


2.2 下载训练好的ssd模型

下载地址

下载成功后，把
.params
文件和
.json
文件放在项目的model文件夹下，如下图：



2.3 运行demo

cd /path/to/mxnet-ssd
python demo.py --gpu 0


3、训练模型

3.1、下载数据集

这里以pascal VOC数据集为例，先在命令行进入到你要存放数据集的文件夹，然后命令行输入：

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar[/code] 
解压

tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar


这里将用VOCtrainval2007和VOCtrainval2012作为训练集（VOC2007的trainval一共有5011张图像，VOC2012的trainval一共有11540张图像，因此训练的图像一共有16551张），将VOCtest2007作为测试集（VOC2007的test一共有4952张图像，也就是测试的图像一共有4952张）。因此最后数据的存放路径大概是这样：

~/VOCdevkit/VOC2007
~/VOCdevkit/VOC2012


然后用一个链接将你存放数据的地方链接到ssd项目的
data
文件夹下，命令行输入：

ln -s /path/to/VOCdevkit /path/to/this_example/data/VOCdevkit


比如我将VOC数据集放在
/home/data/VOCdevkit/
下，ssd项目在
/home/project/mxnet-ssd/
下，那么就要输入：

ln -s /home/data/VOCdevkit /home/project/mxnet-ssd/data/VOCdevkit


这样在
mxnet-ssd/data/
文件夹下就会有这个：



最后我们要生成
.lst
和
.rec
文件：

先在命令行进入
mxnet-ssd
的
tools
文件夹下，然后运行：

sh prepare_pascal.sh


生成的
.lst
和
.rec
文件在
mxnet-ssd/data/
文件夹下：



3.2、下载预训练的vgg16_reduced模型

下载地址

解压后将
.params
和
.json
文件放在
mxnet-ssd/model/
文件夹下。

3.3、训练模型

在
mxnet-ssd
目录下运行：

python train.py


如果你需要修改一些参数，可以在后面加上，比如：

python train.py --gpus 0,1 --batch-size 32 --lr 0.001


具体参数可以看train.py这个脚本。

贴一张正在训练的模型的输出：