天天看點
傳回

制作SSD目标檢測模型需要的訓練資料并訓練SSD目标檢測模型

1建構 資料集

先來看一下我們建構資料集合應該是什麼樣的,假設總資料為1000張。 

為了友善，我們将資料放在／home／bingolwang/data 檔案夾下。/home/bingolwang/data/VOCdevkit 這個目錄下是VOC2007

VOC2007/
|-- Annotations   #1000個xml檔案。
|-- ImageSets
|   `-- Main
|       |-- test.txt      ＃測試集
|       `-- trainval.txt  ＃訓練集
`-- JPEGImages    ＃1000個jpg檔案仔細看看 test.txt ，trainval.txt 這兩個檔案的格式,
           
test.txt
00002  #其實就是去掉了對應的 .jpg
00003
00100
00012
.....
trainval.txt  #圖檔的名字到底有什麼要求？不一定是6位碼，也不一樣定是從00000開始，隻要
00000         ＃區分的開各個圖檔即可
00001
00004
00005
.....
JPEGImages ，Annotations檔案夾中的内容#Annotations dir 下的内容 
00000.xml
00001.xml
00002.xml
00003.xml
......xml
01000.xml
#JPEGImages  dir 下的内容
00000.jpg
00001.jpg
00002.jpg
00003.jpg
......jpg
01000.jpg
在來看看xml中的内容，這舉例00005.xml。 
<annotation>
  <folder>images</folder>
  <filename>00005.jpg</filename>
  <source>
    <database>bingolwangDataSet</database>
  </source>
  <size>
    <width>435</width>
    <height>363</height>
    <depth>3</depth>
  </size>
  <object>
    <name>Object</name>
    <difficult>0</difficult>
    <bndbox>
      <xmin>37</xmin>
      <ymin>318</ymin>
      <xmax>428</xmax>
      <ymax>358</ymax>
    </bndbox>
  </object>
</annotation>

注意：實際上在ssd官方（github：https://github.com/weiliu89/caffe/tree/ssd）的檔案中，使用的create_list.sh 建立了生成lmdb所需要的各種檔案。這裡，我們手動建立，因為根本用不了那麼複雜的腳本。

create_data.sh 就是建立訓練輸入的lmdb。他的輸入是 labelmap_voc.prototxt | test.txt | trainval.txt ，這三個檔案。 

還是得看一下，這三個檔案都是什麼格式。

# trainval.txt
VOC2007/JPEGImages/105df.jpg VOC2007/Annotations/105df.xml
VOC2007/JPEGImages/ww231.jpg VOC2007/Annotations/ww231.xml
VOC2007/JPEGImages/763005.jpg VOC2007/Annotations/763005.xml

#test.txt
VOC2007/JPEGImages/0b73.jpg VOC2007/Annotations/0b73.xml
VOC2007/JPEGImages/c5ccbe1.jpg VOC2007/Annotations/c5ccbe1.xml
VOC2007/JPEGImages/ec5f0.jpg VOC2007/Annotations/ec5f0.xml
VOC2007/JPEGImages/a0341.jpg VOC2007/Annotations/a0341.xml

#labelmap_voc.prototxt  #single object
item {
  name: "none_of_the_above"
  label: 0
  display_name: "background"
}
item {
  name: "Object"
  label: 1
  display_name: "Object"
}

準備好了上述檔案，就可以git clone https://github.com/weiliu89/caffe/tree/ssd 編譯，然後到我們的caffe_root目錄下，找到data 下，然後看到 ILSVRC2016 VOC0712 cifar10 coco ilsvrc12 moist 這幾個檔案夾，然後進入VOC0712 目錄下，可以看到 create_data.sh create_list.sh labelmap_voc.prototxt test.txt trainval.txt , 然後執行 create_data.sh 腳本。

附件

–這個xml檔案是怎麼生成的。這裡推薦用python腳本#coding=utf-8

import os
from lxml import etree
import math

anno_file = "imageInfo.txt"
save_root = "/data1/user/bingolwang/data/VOCdevkit/VOC2007/Annotations/"

f = open(anno_file,'r')

for line in f:
    data = line.strip().split(" ")
    fname = data[0]
    img_width = int(float(data[1]))
    img_height = int(float(data[2]))

    save_file = save_root + fname[:-3] + "xml"
    fout = open(save_file, 'w')

    # creat XML
    root = etree.Element("annotation")

    # folder info
    folder = etree.SubElement(root, "folder")
    folder.text = "GeneraOcr_WeiYun_Det_imgs"

    # file name
    filename = etree.SubElement(root, "filename")
    filename.text = str(fname)

    # source
    source = etree.SubElement(root, "source")
    database = etree.SubElement(source, "database")
    database.text = "GeneraOcr_WeiYun_Det"

    # image size
    size = etree.SubElement(root, "size")
    width = etree.SubElement(size, "width")
    width.text = str(img_width)
    height = etree.SubElement(size, "height")
    height.text = str(img_height)
    depth = etree.SubElement(size, "depth")
    depth.text = "3"

    # object
    object_count = 2
    while object_count < data.__len__():
        object = etree.SubElement(root, "object")
        name = etree.SubElement(object, "name")
        name.text = "text"
        difficult = etree.SubElement(object, "difficult")
        difficult.text = "0"
        bndbox = etree.SubElement(object, "bndbox")

        xminv = max(1,int(float(data[object_count + 1])) + 1)
        yminv = max(1,int(float(data[object_count + 2])) +1)
        xmaxv = min(int(float(data[object_count + 3])) ,img_width-2)
        ymaxv = min(int(float(data[object_count + 4])) ,img_height-2)

        xmin = etree.SubElement(bndbox, "xmin")
        xmin.text = str(xminv)
        ymin = etree.SubElement(bndbox, "ymin")
        ymin.text = str(yminv)
        xmax = etree.SubElement(bndbox, "xmax")
        xmax.text = str(xmaxv)
        ymax = etree.SubElement(bndbox, "ymax")
        ymax.text = str(ymaxv)

        object_count += 5

    ss = etree.tostring(root, encoding='utf8',pretty_print=True)
    fout.write(ss.decode('utf-8'))
    fout.close()

    # source end
    #s = etree.tostring(root, encoding='utf8',pretty_print=True)
    #print(str(s))

f.close()

訓練自己的資料集時候報錯：

Check failed: background_label_id != label (0 vs. 0) “Found background label in the dataset.”

檢查失敗： background_label_id ！= label
          但是現在二者相等（0 vs 0）
          主要原因：在dataset的label中，發現了背景類
          也就是某些圖檔為純背景，而且 标注為 0

編譯器出錯： 

json_parser_read.hpp:257:264: error: ‘type name’ declared as function returning an array escape
// 解決步驟：
// 1- vi /usr/include/boost/property_tree/detail/json_parser_read.hpp
// 2- 注釋掉 json_parser_read.hpp:257:264 之間的代碼
// 3- 儲存。然後重新編譯即可。
// 出現這種情況的原因往往是由于： 我們的gcc 與cuda版本不比對, 可以選擇更新gcc 或者降級 cuda，但是很麻煩。

運作時出錯： 

Check failed: error == cudaSuccess (8 vs. 0) invalid device function
// 可能運作時候的cuda lib 與 編譯時候的 nvcc 版本對不上
// 或者 直接copy了一個已經在其他平台上已經編譯好的cuda 但是本平台與其他平台的 gcc版本不一緻。

訓練時loss為nan

兩種可能： 

1 在生成lmdb的時候，沒有選擇設定尺寸。就是resize選項。 

2 在已有的模型上finetune，沒有設定好學習率。

參考資料，這些資料非常有借鑒作用:

[1]https://blog.csdn.net/dongfang1984/article/details/74640219

[2]https://www.cnblogs.com/objectDetect/p/5780006.html

[3]https://blog.csdn.net/chris_pei/article/details/79087284

CV_DL_ML_Programming CNN--ANN--Deep Learning
上一篇: ssd目标檢測訓練自己的資料_「AI實戰」手把手教你訓練自己的目标檢測模型（SSD篇）...
下一篇: 删除排序數組中的重複項（快慢指針法）

繼續閱讀