从头开始学习SSD，训练并进行推理部署（步骤详细，可以对照实现）

2023-11-06 13:43:40

本文介绍从头开始训练SSD模型的方法，最后进行推理应用。理论部分没有做详细介绍，读者可以参考图书《深度学习计算机视觉实战》获取更多的讲解细节。

书中不仅讲了经典算法的理论，还有很多的实战项目，更有在PC和安卓平台上的部署应用，对于找工作的小伙伴来说，这是再好没有的项目经历了哦。

欢迎关注图书《深度学习计算机视觉实战》与《学习OpenCV 4：基于Python的算法实战》，两本书都以通俗易懂的讲解、丰富的案例帮助初学者学习视觉与图像方向的知识。欢迎关注公众号“计算机视觉与OpenCV”获取更多的学习资料。
1、算法介绍
SSD(Single Shot MultiBox Detector)是 One-stage 算法的另一个代表,很多算法都是使用SSD作为主干网络。SSD 创新地提出了多尺度特征图检测的思想,即使用大尺度的特征图检测小的物体,小尺度的特征图检测大的物体,这一思想在后来的目标检测网络设计中都有应用,极大地提高了检测精度。SSD 还采用了不同尺度和长宽比的先验框,直接使用 CNN 做检测而非在全连接网络之后做检测,这些使 SSD算法在 PASCAL VOC 和 COCO 数据集上达到了 state-of-the-art的效果。

2、模型训练
（1）源码下载
（i）打开链接下载zip包：https://github.com/lufficc/SSD
（ii）Git clone：git clone git@github.com:lufficc/SSD.git
（iii）打不开，关注“计算机视觉与OpenCV”公众号回复“SSD”下载
（2）安装运行所需的python库
requirements.txt中有运行算法程序所需的python库，并写明了所需的版本，可以通过pip直接安装：

pip install -r requirements.txt

（ii）设置数据集环境变量

export VOC_ROOT="/path/to/voc_root"

/path/to/voc_root就是dataset文件夹所在的路径，不知道的到dataset路径下用pwd命令查询。
（4）开始训练

python3 train.py --config-file ./configs/vgg_ssd300_voc0712.yaml

但是不久就出现如下的错误：
RuntimeError: cuDNN error: CUDNN_STATUS_EXECUTION_FAILED
这个是因为pytoch版本与cuda版本不匹配造成的。
RuntimeError: CUDA out of memory. Tried to allocate 176.00 MiB (GPU 0; 5.81 GiB total capacity; 3.32 GiB already allocated; 37.50 MiB free; 3.58 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF
这个错误是因为batchsize太大造成的，改小一下就好了。
再开始训练就正常了。

训练完成中得到模型vgg_ssd300_voc0712.pth。
（5）模型推理

执行以下命令就可以完成推理：

python3 demo.py --config-file configs/vgg_ssd300_voc0712.yaml --images_dir demo --ckpt ./inference/vgg_ssd300_voc0712.pth

推理结果如下：

欢迎关注图书《学习OpenCV 4：基于Python的算法实战》，该书刚刚上市，是国内第一本系统讲解OpenCV4各个模块的图书，配套案例深入浅出的讲解，非常适合初学者入门。

码农公寓

相关文章