【pytorch-ssd目标检测】训练自己的模型（一）-环境安装，数据集准备

「爱情、让人受尽委屈。」 2022-10-25 04:49 244阅读 0赞

## 前情提要 ##

此系列博客记录我从创建，训练，数据集，验证模型的检测精度等的全部踩坑过程，遇到的问题以及解决方法，留下点东西，作为自己这段时间学习的总结，如果能对他人有些帮助就更好了。

## 环境 ##

系统：Windows10  
GPU：GTX1660Ti  
CUDA：11.0  
pytorch：1.6.0

训练过程中可以使用GPU加速，要安装对应自己显卡版本的CUDA，官网可查。不用的话只使用自己的CPU，速度会比较慢。  
如果你的显卡不是N卡，或者N卡算力比较低，可以利用谷歌的colab完成训练，注意这个是基于linux的，本文写的都是基于windows的，部分细节可能不同

## pytorch环境安装即SSD-pytorch代码下载 ##

点击链接登陆pytorch官网根据电脑的操作系统配置选择安装（pytorch需要python3以上的版本）：  
http://pytorch.org/  
SSD-Pytorch代码链接：  
https://github.com/amdegroot/ssd.pytorch  
SSD中使用到了VGG 特征提取网络，训练的时候需要加载：  
https://s3.amazonaws.com/amdegroot-models/vgg16\_reducedfc.pth

## 准备自己的数据集 ##

ssd可以用VOC和COCO两种数据集，这里以VOC为例子。

### 1.背景介绍 ###

VOC数据集的目录结构。其下主要包含以下几个目录：Annotations、ImageSets、JPEGImages。  
Annotations：存放xml为结尾的文件，即在一张图片中用一定的坐标范围指出某个物体，并存放标签信息，后面会细说如何创建。  
JPEGImages：存放训练和验证的图片  
ImageSets：目录下有个Main文件夹，后面细说。

### 2.步骤 ###

1.首先将你的图片放到JPEGImages文件夹下，重命名进行按顺序编号，比如001，002，003这样。  
2.在Annotations文件夹生成图片的中物体坐标的xml文件，xml文件的名称与图片名称相同。(一定要每一张都仔细相对应，我曾弄到最后发现少一个，只能回去一个个重新校对)。  
可以使用LabelImage软件来生成，操作简单界面清晰。  
下载地址：  
https://github.com/tzutalin/labelImg\#macos

**！！！！**  
但是我安装完之后，**labelimg执行.py文件后无图像化界面出现**，软件打不开，我又重新浏览了一下源码下载网站，发现了一个预编译好的二进制文件。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70]解压完之后直接运行可执行文件。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70 1]可以用，舒服了。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70 2]之后就是对一堆图片的漫长的标注过程，完成后即可进行下一步。

3.下一步生成Main文件下的四个文件（test.txt , train.txt, val.txt ,trainval.txt），这里可以在写相关的脚本来生成，我放一个。

import os
    import random
    
    trainval_percent = 0.8
    train_percent = 0.7
    xmlfilepath = 'Annotations'
    txtsavepath = 'ImageSets\Main'
    total_xml = os.listdir(xmlfilepath)
    
    num=len(total_xml)
    list=range(num)
    tv=int(num*trainval_percent)
    tr=int(tv*train_percent)
    trainval= random.sample(list,tv)
    train=random.sample(trainval,tr)
    
    ftrainval = open('ImageSets/Main/trainval.txt', 'w')
    ftest = open('ImageSets/Main/test.txt', 'w')
    ftrain = open('ImageSets/Main/train.txt', 'w')
    fval = open('ImageSets/Main/val.txt', 'w')
    
    for i in list:
    name=total_xml[i][:-4]+'\n'
    if i in trainval:
    ftrainval.write(name)
    if i in train:
    ftrain.write(name)
    else:
    fval.write(name)
    else:
    ftest.write(name)
    
    ftrainval.close()
    ftrain.close()
    fval.close()
    ftest .close()

这个文件放在Imageset同级目录下，或者把上面的路径换成绝对路径，不然找不到路径。

上述步骤之后，就创建了一个可以使用的VOC数据集了，下篇文章将介绍实现训练的过程。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70]: /images/20221024/9197e7c7beda47abb0f57747410d7df0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70 1]: /images/20221024/f957888311e1400ba95298585db78f0f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FieXNzd2F0Y2hlcjE_size_16_color_FFFFFF_t_70 2]: /images/20221024/3d83b7eb1ecd488d85c5f3a0548073d2.png