如何为我们自己的数据集重新训练SSD对象检测模型？

Question

我已尝试过tensorflow中的SSD和YOLO实现。现在我想重新训练我自己的数据集中的任何一个，比如交通信号。除了pascal voc之外，我如何重新训练ssd以获取数据？任何人都可以帮忙吗？我正在使用https://github.com/balancap/SSD-Tensorflow

中的tensorflow实现

Answer 1

不是特定于SSD的实现，

• 由于所有图层都是卷积的，因此您需要更改预测图层中应用的滤镜数量，因为（根据第4页中的文章），输出是根据您要预测的类数量给出的：即，对于网络中的任何预测层，对于m * n要素图，我们期望分类和定位的(c + 4)kmn输出/预测; c是您要预测的类数，k是该要素图中使用的锚点/默认框的数量，m和n是2要素图的尺寸。
• 您可能希望根据论文中给出的公式更改锚点/默认框尺度

特定于SSD-Tensorflow，

• 您需要确保输入格式与tf.contrib.slim提供的界面相匹配。目前SSD-Tensorflow仅支持Pascal VOC格式。我一直在修改它以接受其他数据集。您可以看到https://github.com/balancap/SDC-Vehicle-Detection/作为示例KITTI界面。 SDC-Vehicle-Detection回购与SSD-Tensorflow的作者相同，但部分代码库已过时。

Answer 2

从已训练的模型中删除完全连接的图层，并添加自己完全连接的图层，以便学习分类。

基本上，你有类似的东西：

Image -> Conv1 -> Pool1 -> Conv2 -> Pool2 -> ... -> ConvN -> FC1 -> FC2 -> Softmax

第一部分，Conv和Pool图层提取图像功能。分类部分发生在最后FC -> FC -> Softmax。要根据此训练模型训练您自己的分类器，您将自己的完全连接层连接到最后一个卷积层，将卷积层设置为不可训练，然后在数据集上训练网络。

说，你想添加3个完全连接的图层和输出图层，它将变成这样：

Image -> Conv1 -> Pool1 -> ... -> ConvN - FC1 -> FC2 -> Softmax
                                        \
                                          MyFC1 -> MyFC2 -> MyFC3 -> MySoftmax

您的分类输出将为MySoftmax，其中包含您拥有的课程数量。