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}
}

OliverGrace / TinySSD-Pytorch