TinySSD-Pytorch
AI Experiment Personal Homework
🔧 依赖以及安装
- NVIDIA-SMI Version >= 517.8
- CUDA Version >= 11.7
- Python >= 3.8 (推荐使用Anaconda或Miniconda)
- PyTorch >= 1.12.1
安装
-
把项目克隆到本地
git clone https://github.com/OliverGrace/TinySSD-Pytorch.git cd TinySSD-Pytorch
-
安装依赖(Anaconda或pip)
方式1: Anaconda 配置
conda create --name tinyssd_pytorch --file requirements_conda.txt
方式2: pip 配置
pip install -r requirements_pip.txt
-
从Release下载背景图片数据集并将数据解压放至data文件夹中,最终目录如下
├─data │ create_train.py │ ├─background │ 000012-16347456122a06.jpg │ ... │ 191313-1519470793f344.jpg │ 191328-15136820086f91.jpg │ ├─target │ 0.jpg │ 0.png │ 1.png │ 2.png │ └─test 1.jpg 2.jpg
-
运行create_train.py生成训练集
cd data python3 create_train.py
运行完成后目录结构如下
├─data │ create_train.py │ ├─background │ 000012-16347456122a06.jpg │ ... │ 191313-1519470793f344.jpg │ 191328-15136820086f91.jpg │ ├─sysu_train │ │ label.csv │ │ │ └─images │ 000012-16347456122a06.jpg │ ... │ 183201-15420187218258.jpg │ ├─target │ 0.jpg │ 0.png │ 1.png │ 2.png │ └─test 1.jpg 2.jpg
💪 训练以及测试
训练
- 在train.py中修改batch_size以及epoch之后运行即可
python train.py
测试
- 在test.py中修改测试文件路径以及weight路径后运行即可得到测试结果
python test.py
测试结果
😀 如何在自己的数据上训练
- background文件夹中包含了背景图片,target文件夹中包含了加入到背景图中的目标图片(即需要检测的目标)。此处可以自行替换为所需检测的目标图片,命名为
0.png
替换后重新调用create_train.py
即可生成自己的训练集
Description
This is an implementation of the following released paper by ULSee Inc.. It is a simplified structure for SSD(Single Shot MultiBox Detector).
@article{DBLP:journals/corr/abs-1802-06488,
author = {Alexander Wong and
Mohammad Javad Shafiee and
Francis Li and
Brendan Chwyl},
title = {Tiny {SSD:} {A} Tiny Single-shot Detection Deep Convolutional Neural
Network for Real-time Embedded Object Detection},
journal = {CoRR},
volume = {abs/1802.06488},
year = {2018},
url = {http://arxiv.org/abs/1802.06488},
archivePrefix = {arXiv},
eprint = {1802.06488},
timestamp = {Thu, 01 Mar 2018 19:20:48 +0100},
biburl = {https://dblp.org/rec/bib/journals/corr/abs-1802-06488},
bibsource = {dblp computer science bibliography, https://dblp.org}
}