前言

上一篇”Caffe SSD-Mobilenet 模型訓練流程(ubuntu18.04)-上”已經教各位如何安裝Caffe

SSD-Mobilenet版本與訓練前處理，接下來要為各位介紹如何將已標註好的資料集放進Caffe SSD-Mobilenet進行訓練並展示最終結果。

 

訓練模型

1. 建立自己對應label個數的train/test/deploy網絡文件，執行下面的命令：
   1. gen_model.sh 2　＃2對應label 的個數，加上backgroud　就2個label，這裡一定要注意自己數據集中的類別數。(圖1)

 

圖 1

 

1. 2. 文件中生成一個example文件，裡面就是所生成的網絡定義文件。(圖2)

圖 2

 

 

2. 利用下面的命令建立數據集的超鏈接：
   1. ln -s “PATH_TO_YOUR_TRAIN_LMDB” trainval_lmdb。(圖3)

圖 3

1. 2. ln -s “PATH_TO_YOUR_TEST_LMDB” test_lmdb。(圖4)

圖 4

3. 在MobileNetSSD會出現兩個超鏈結文件。(圖5)

圖 5

4. 修改solver_train.prototxt可以調整訓練參數。(圖6)

圖 6

 

5. 執行train.sh進行訓練，最終會在snapshot產生結果。(圖7)

圖 7

 

6. 使用merge_bn.py來進行bn層的合併以獲得最終模型。
   1. python merge_bn.py --model ./example/MobileNetSSD_deploy.prototxt --weights ./snapshot/mobilenet_iter_50000.caffemodel
7. 此時會發現MobileNet-SSD檔案夾中多出一個no_bn.prototxt文件和一個no_bn.caffemodel文件，這就兩個檔案即是最終訓練結果。(圖8)

圖 8

 

展示結果

8. 修改demo.py中：

net_file = no_bn.prototxt

caffe_model=no_bn.caffemodel(圖9)

圖 9

9. 展示結果。(圖10、11、12、13)(圖片來源：https://github.com/AvLab-CV/AOLP)

圖 10

圖 11

圖 12

圖 13

 

結語

看完”Caffe SSD-Mobilenet 模型訓練流程(ubuntu18.04)-上”與”Caffe SSD-Mobilenet 模型訓練流程(ubuntu18.04)-下”這兩篇博文解說相信各位都已經了解如何訓練Caffe MobileNet SSD模型，透過兩篇博文讓各位了解最基本AI Detection功能的模型如何訓練出來。但現今AI模型發展快速已有更多模型出現，例如：Yolo、TensorFlow SSD-Mobilenet等等，因此各位需要不斷學新AI模型知識才能在技術方面跟上世界潮流。