在线时间:8:00-16:00
132-9538-2358
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
用pytorch复现ssd并在自己的数据集上进行行人检测
docker镜像已经安装了pytorch以及各种依赖,免除安装环境的痛苦(强烈安利docker!!!)
SSD的源码来源于https://github.com/amdegroot/ssd.pytorch.git 和 https://github.com/acm5656/ssd_pytorch.git
自己根据需求进行了差异化修改,按照下边的使用说明可直接运行出结果
服务器安装docker以及nvidia-docker
安装docker参照官网 https://docs.docker.com/install/linux/docker-ce/ubuntu/#install-docker-ce-1 安装nvidia-docker参照 https://github.com/NVIDIA/nvidia-docker 操作docker参照 http://www.runoob.com/docker/docker-command-manual.html
下载docker镜像
docker pull qinzhenyi1314/pytorch:1.1.0-cuda10.0-cudnn7.5-py3-vnc-jpd-ph
下载本项目代码
git clone https://gitee.com/qinzhenyi1314/ssd.pytorch.git
运行镜像
docker run --runtime=nvidia -it --rm --shm-size=3072m -w /data -p 6868:22 -p 5901:5901 -v /home/js180/qzy/deeplearning/:/data qinzhenyi1314/pytorch:1.1.0-cuda10.0-cudnn7.5-py3-vnc-jpd-ph -v 是为了将服务器路径挂载到容器 /home/test/qzy/deeplearning/是服务器代码存放路径 /data是容器内的路径
下载数据集
原始的voc2007以及voc2012都是20+1(背景)类,由于自己做的是行人检测 1+1(背景)类 公司的数据集不能分享,暂提供一个很小的数据进行验证 链接:https://pan.baidu.com/s/1-luJwOIhJhLWRHICoJItcw 提取码:42mh 放入data/VOCdevkit下 格式参照data/VOCdevkit/readme.txt
下载预训练模型
链接:https://pan.baidu.com/s/1t4uG3YjCy2uIKFG3IZXQKA 提取码:5qhg 主要使用 1. vgg16_reducedfc.pth 用来训练用,是原始VGG16在ImageNet训练的模型 2. ssd300_VOC_120000.pth 用来测试 自己模型在50000张训练集上训练120000次得到 map0.7936,还在继续优化!
打开docker内的VNC桌面并远程连接
在镜像内输入 vncserver :1 注意有空格 window上打开VNC客户端 在VNCServer处输入 xxx.xxx.xxx.xxx:5901 前边的xxx是你服务器Ip 比如 192.168.5.180 密码输入 USRname 即可登录,现在就有桌面啦~~ 分享一个免安装的VNCServer 链接:https://pan.baidu.com/s/1PLaUuy5mMY6npiWkbMk53g 提取码:9fyz
打开pycharm
到 /home/qzy/pycharm-community-2019.1.1/bin/ 下运行 bash ./pycharm.sh 即可打开pycharm,然后选择加载我们的SSD项目
运行测试
python test.py 运行后将挑选3张图片将检测框画在图片上并保存在test文件夹下,可以根据自己需求更改
运行训练
python train.py 运行后会加载vgg16_reducedfc.pth预训练模型,并在weights生成相应的训练模型 xxx.pth 一些超参数可自行设置查看效果
运行评价
python eval.py 运行后会在eval文件夹下生成eval.txt文件,保存了所有检测结果的置信度和框坐标 到eval文件夹下 运行eval_pro.py 会在当前路径下生成map和pr结果并保存
评论
请发表评论