git clone https://github.com/weiliu89/caffe.git

git checkout ssd

make all

如果報錯：

/usr/include/boost/property_tree/detail/json_parser_read.hpp:257:264: error: ‘type name’ declared as function returning an array
make: *** [.build_release/cuda/src/caffe/layers/detection_output_layer.o] Error 1

解決方案：https://github.com/BVLC/caffe/issues/4957

make pycaffe

caffe/models/VGGNet/目錄下
下載VOC2007和VOC2012資料集，放到caffe/data/目錄下 下載資料集 wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar 解壓資料集 tar -xvf VOCtrainval_11-May-

2012.tar tar -xvf VOCtrainval_06-Nov-2007.tar tar -xvf VOCtest_06-Nov-2007.tar 將圖片轉化為LMDB檔案，用於訓練。需要先修改create_list.sh 和create_data.sh檔案。 對於create_list.sh 檔案，修改root_dir為VOCdevkit所在的位置，對於我的電腦，root_dir=$HOME/guowei/caffe-master/data/VOCdevkit/ 對於create_data.sh 檔案，修改data_root_dir為VOCdevkit所在的位置，對於我的電腦，root_dir=$HOME/XIAOVV/caffe-master/data/VOCdevkit/
執行轉換程式 ./data/VOC0712/create_list.sh  ./data/VOC0712/create_data.sh
ssd/python:/home/amax/anaconda/include/python2.7 開始訓練： python examples/ssd/ssd_pascal.py 報錯：importerror：no module named model_libs 需要重新生成LMDB檔案 ./data/VOC0712/create_list.sh ./data/VOC0712/create_data.sh
然後重新訓練： python examples/ssd/ssd_pascal.py
圖片資料集上測試： python examples/ssd/score_ssd_pascal.py 利用caffe/examples/ssd_detect.ipynb檔案可以用單張圖片測試檢測效果(注意檔案內載入檔案的路徑，如果報錯修改為絕對路徑) 訓練自己的資料集
準備自己的資料集（VOC2007格式），這裡我的資料集叫做VOC1000 複製VOC0712資料夾，重新命名為VOC1000 修改create_list.sh #root_dir=$HOME/guowei/caffe-ssd/data/VOCdevkit/ for name in VOC1000 修改create_data.sh data_root_dir="$HOME/guowei/caffe-ssd/data/VOCdevkit" dataset_name="VOC1000" 修改labelmap_voc.prototxt(我的類別只有飛機，所以為背景和飛機） item {   name: "none_of_the_above"   label: 0   display_name: "background" } item {   name: "aeroplane"   label: 1   display_name: "aeroplane" } 生成資料 ./data/VOC1000/create_list.sh ./data/VOC1000/create_data.sh
開始訓練自己的資料 複製ssd_pascal.py，重新命名為ssd_pascal1000.py train_data = "examples/VOC1000/VOC1000_trainval_lmdb" test_data = "examples/VOC1000/VOC1000_test_lmdb" num_test_image換成自己資料集中測試圖片的數目 num_classes換成自己的類別數目+1，我的是2 VOC0712都換成VOC1000 執行訓練 python examples/ssd/ssd_pascal1000.py 結果如下圖：

測試精度為77.2%，迭代1200次，基於VGGNet.