# ssd.pytorch

**Repository Path**: lineco/ssd.pytorch

## Basic Information

- **Project Name**: ssd.pytorch
- **Description**: 用pytorch复现的ssd进行物体检测
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 21
- **Created**: 2019-07-21
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# ssd.pytorch

#### 介绍
1. 用pytorch复现ssd并在自己的数据集上进行行人检测

2. 在docker环境下运行免除安装pytorch以及各种依赖环境的痛苦

    源码来源于https://github.com/amdegroot/ssd.pytorch.git 和 https://github.com/acm5656/ssd_pytorch.git

    根据自己需求进行了差异化改动,按照下边的使用说明可直接运行出结果

#### 安装教程

1. 安装docker以及nvidia-docker

        安装docker参照官网 https://docs.docker.com/install/linux/docker-ce/ubuntu/#install-docker-ce-1

        安装nvidia-docker参照 https://github.com/NVIDIA/nvidia-docker

        操作docker参照 http://www.runoob.com/docker/docker-command-manual.html

2. 下载docker镜像

        docker push qinzhenyi1314/pytorch:1.1.0-cuda10.0-cudnn7.5-py3-vnc-jpd

3. 下载本项目代码

        git clone https://gitee.com/qinzhenyi1314/ssd.pytorch.git

#### 使用说明

1. 运行镜像

        docker run --runtime=nvidia  -it -p 6007:6007 -p 1818:22 -p 5902:5902 -w /data -v  /home/test/qzy/deeplearning/:/data qinzhenyi1314/pytorch:1.1.0-cuda10.0-cudnn7.5-py3-vnc-jpd

            -p 6007:6007 是为了给Jupyder用

            -p 5902:5902 是为了给VNC用

2. 下载数据集

        VOC2012

        wget http://pjreddie.com/media/files/VOC2012test.tar

        wget https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar

        VOC2007

        wget https://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar

        wget https://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar

        放入data/VOCdevkit下

        格式参照data/VOCdevkit/readme.txt

3. 下载预训练模型

        链接：https://pan.baidu.com/s/1t4uG3YjCy2uIKFG3IZXQKA 提取码：5qhg 

        包括

            1. vgg16_reducedfc.pth     是Vgg16模型，用来重新训练用

            1. ssd300_mAP_77.43_v2.pth 是已经训练好的ssd模型
    
4. 运行测试

        python test.py

        运行后将框画在图片上并保存在test文件夹下

5. 运行训练

        python train.py
        
        运行后会在weights生成相应的训练模型 xxx.pth

6. 运行评价

        python eval.py
        
        运行后会测试map值