利用自己的数据集训练MobileNetSSD建立模型，并基于caffe-ssd实现

折腾了一段时间，终于将自己的数据集成功建立了MobileNetSSD模型，并在caffe-ssd下成功实现，下面和大家一起分享下我实现的过程，并欢迎大家一起讨论。

一、前提

1、在ubuntu系统下安装caffe-ssd，这一过程不清楚的地方可以参考我之前的一篇文章，也可以参考下面链接的文章：

https:// blog.csdn.net/qq_334313 68/article/details/84866166

2、用自己的数据集制作图像VOC数据集，用下面链接的工具：

https://github.com/imistyrain/MRLabeler.git

下载好后，里面有详细的操作说明。

二、下载MobileNetSSD，测试demo

1、输入

git clone https:// github.com/chuanqi305/M obileNet-SSD.git
下载MobileNetSSD，并把它包放在caffe/examples/中，如下图：

2、MobileNet-SSD文件夹中文件简要说明

1)、images　测试图片所存放位置

2)、template 存放网络定义的公用模板train/test/deploy.protoxt，由gen.py脚本修改并生成，主要是因为label个数不一样所以这里的网络结构的前面几层和后面几层少许不同，这个需要我们后续训练自己数据集的时候利用gen_model.sh脚本生成。

3)、voc　存有三个根据VOC数据集生成的网络文件和一个网络超参数train文件
demo.py 　实际检测脚本（图片存于images文件夹）只针对单张图片，做成视频就是一帧帧图片遍历

4)、deploy.prototxt 　运行网络定义文件，demo.py中调用.
-（和template/ＭobileNetSSD_deploy_template.prototxt相似）

5)、gen.py 生成公用模板脚本（没有用到）

6)、gen_model.sh 生成自定义网络脚本－－－生成template中类似的文件（训练自己的数据集时需要用到）

7)、merge_bn.py 合并bn层脚本，用于生成最终的caffemodel（因为mobilenet有两个层最后需要合并才能得到deploy.caffemodel）

8)、mobilenet_iter_73000.caffemodel　预训练模型

9)、solver_test.prototxt 　网络测试超参数定义文件

10)、solver_train.prototxt 　网络训练超参数定义文件

11)、test.sh 网络测试脚本

12)、train.sh 网络训练脚本

13)、train.prototxt　训练网络定义文件　和template中的train定义网络文件相似

14)、train_voc.sh　针对voc文件里的超参数文件和网络文件的训练脚本

3、测试demo

1）、测试之前要下载MobileNetSSD_deploy.caffemodel和MobileNetSSD_deploy.prototxt，第一个文件需要翻墙下载，第二个需要CSDN积分下载，如果大家怕麻烦，可以联系我。

2）、修改demo.py里面的路径

3）、按照下图，输入命令测试

结果：

三、利用自己的数据集训练自己的ＭobileNetSSD model

1、在caffe/data中新建一个MyDataSet文件夹，将前面标注好的数据集中两个文件夹Annotations （利用标注软件生成对应的xml文件）和JPEGImages （原始图片）拷入MyDataSet文件夹。

2、生成索引txt文件

利用以下代码，生成ImageSet文件夹，此文件夹目录下包含Main文件下，在ImageSets\Main里有四个txt文件：test.txt train.txt trainval.txt val.txt；分别是测试数据集索引（也就是各个测试图片的名称，相对路径）、训练数据集、训练验证数据集、验证数据集

执行文件得到四个txt文件，结果如下：

３．生成lmdb格式文件(caffe输入格式)

在VOC0712文件夹中把以下几个文件拷贝到MyDataSet中

此时MyDataSet文件中情况为：

更改这三个文件（更改后的如下）：

更改好后依次执行

cd caffe/data/MyDataSet

create_list.sh

create_data.sh

得到结果：

在caffe/examples中有个与MobileNetSSD平级的目录MyDataSet

里面为lmdb文件夹的超链接文件，后续训练使用。

４．利用MobileNetSSD进行训练

1)、在MobileNetSSD文件中建立自己的labelmap.prototxt， 内容和之前 labelmap_voc.prototxt一样）

2）、建立自己对应label个数的train/test/deploy网络文件，执行下面的命令：

gen_model.sh 7　＃7对应label 的个数，加上backgroud　就8个label
这里一定要注意自己数据集中的类别数。文件中生成一个example文件，里面就是所生成的网络定义文件。

3）、利用下面的命令建立数据集的超链接

ln -s PATH_TO_YOUR_TRAIN_LMDB trainval_lmdb
ln -s PATH_TO_YOUR_TEST_LMDB test_lmdb

结果MobileNetSSD下出现两个超链接文件：

5、执行train.sh 进行训练，得到结果：

6、合并成最终的model，以及测试

因为MobileNet中有bn和scale层，最后生成deploy需要进行一步操作，此处运用merge_bn.py文件。

这里使用的是迭代训练50000次得到的模型来进行bn层的合并，以获得最终的模型。
python merge_bn.py --model ./example/MobileNetSSD_deploy.prototxt --weights ./snapshot/mobilenet_iter_50000.caffemodel
此时会发现，MobileNet-SSD中多出了一个no_bn.prototxt文件和一个no_bn.caffemodel文件，这就是我们想要获得模型文件和参数文件了。

修改demo.py，进行测试

结果如下：

欢迎大家一起交流。