开源软件名称：

开源软件地址：

开源软件介绍：

ssd.pytorch

介绍

1. 用pytorch复现ssd并在自己的数据集上进行行人检测

2. 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

安装教程

1. 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

2. 下载docker镜像

    docker pull qinzhenyi1314/pytorch:1.1.0-cuda10.0-cudnn7.5-py3-vnc-jpd-ph

3. 下载本项目代码

    git clone https://gitee.com/qinzhenyi1314/ssd.pytorch.git

使用说明

1. 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

2. 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

3. 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！

4. 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

5. 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

6. 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

7. 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

8. 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