firefly NCC S1--MDK - SSD模型工具包介绍

MDK - SSD

此快速入门指南适用于GTI提供的SSD模型工具包（MDK）。工具包包含两套工具，一个是模型开发工具，另一个是模型转换工具。模型开发工具在GTI_SSD_model_development_kit_v1-0目录下，模型转换工具在GTI_SSD_conversion_tool_v1-0目录下。

编译caffe源码请使用模型开发工具中提供的caffe-ssd源码。

文件结构建议按照压缩包的结构

1. 环境安装

环境依赖主要是caffe的环境依赖，python版本请使用python2。Ubuntu 16.04或Ubuntu 15.10可参考Ubuntu 16.04 or 15.10 Installation Guide，其它系统请参照Caffe Installation。

建议使用Ubuntu 16.04，否则模型转换工具可能无法运行。

以下为Ubuntu 16.04环境配置参考，摘抄自Ubuntu 16.04 or 15.10 Installation Guide，具体请参考原文。

1） 基础依赖安装：

sudo apt-get update && sudo apt-get upgrade && \ sudo apt-get install -y --no-install-recommends \ build-essential \ cmake \ git \ wget \ libatlas-base-dev \ libboost-all-dev \ libgflags-dev \ libgoogle-glog-dev \ libhdf5-serial-dev \ libleveldb-dev \ liblmdb-dev \ libopencv-dev \ libprotobuf-dev \ libsnappy-dev \ protobuf-compiler \ python-dev \ python-numpy \ python-pip \ python-setuptools \ python-scipy \ python-opencv \ libopenblas-dev

2） python2依赖安装

在caffe-ssd目录下执行以下命令：

cd python sudo pip install --upgrade pip && \ for req in $（cat requirements.txt） pydot; do sudo pip install $req; done

3） CUDA（英伟达显卡）

安装cuda：

cd /tmp sudo apt-get update && apt-get install wget -y --no-install-recommends && \ wget “https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb” && \ sudo dpkg -i cuda-repo-ubuntu1604_8.0.61-1_amd64.deb && \ sudo apt-get update && \ sudo apt-get install -y cuda

安装CUDNN：

wget https://developer.download.nvidia.com/compute/redist/cudnn/v5.1/cudnn-8.0-linux-x64-v5.1.tgz && \ sudo tar -x*** cudnn-8.0-linux-x64-v5.1.tgz -C /usr/local && \ rm cudnn-8.0-linux-x64-v5.1.tgz && sudo ldconfig && \ cd -

4） 编译caffe-ssd

根据系统环境修改caffe-ssd根目录下Makefile.config的内容，然后执行以下命令进行编译：

make clean make all make pycaffe

如果编译出现错误，可跟据错误信息调整Makefile.config的内容，然后从新编译。

2. 模型训练

1） 数据准备

使用自己的数据集可参考Train SSD on the Custom Dataset。

SSD_typ模型应用于多目标检测，建议不超过20类。

SSD_min模型应用于单目标检测，特点是模型更小，速度更快！

以下以VOC0712数据集和ssd_typ_mdk为例。

首先，到The PASCAL Visual Object Classes Homepage下载，2007和2012年的数据集。将数据解压到$HOME/data/下，解压后文件结构如下：

data - VOCdevkit - VOC2007 - VOC2012

然后在caffe-ssd父目录上执行以下命令：

。/caffe-ssd/data/VOC0712/create_list.sh 。/caffe-ssd/data/VOC0712/create_data.sh

然后，复制caffe-ssd/data/VOC0712/目录下的文件到$HOME/data/VOCdevkit/VOC0712/lmdb/目录下：

labelmap_voc.prototxt -》 labelmap.prototxt test_name_size.txt -》 test_name_size.txt test.txt -》 test.txt trainval.txt -》 trainval.txt

同时修改$HOME/data/VOCdevkit/VOC0712/lmdb/下的目录VOC0712_test_lmdb为test_lmdb，VOC0712_trainval_lmdb为trainval_lmdb。

最后，修改ssd_typ_mdk下prototxt中网络描述文件中ip7_norm_mbox_conf 、conv6_2_mbox_conf_1、conv7_2_mbox_conf_1、conv8_2_mbox_conf_1四层的子层convolution_param的num_output的数值为126（类别数乘以6）。

GTI_SSD_DataSets_v1-0.tar.gz中的数据集可直接使用，无需以上操作

2） 开始训练

在ssd_typ_mdk下，执行以下命令链接lmdb：

ln -snf /data/VOCdevkit/VOC0712/lmdb lmdb

修改run_ssd_traning.sh中的内容

$TOOLS/caffe train \ --solver=$slovertxttyp \ --gpu 0 2》&1 | tee $LOG $@

为：

$TOOLS/caffe train \ --solver=$slovertxttyp \ --gpu 0 \ --weights=$ssd 2》&1 | tee $LOG $@

然后执行：

source run_ssd_traning.sh

开始训练。

3. 模型转换

由于依赖库版本的问题，建议使用Ubuntu 16.04

安装环境

在GTI_SSD_conversion_tool_v1-0/lightsprModelConvert目录下执行以下命令进行环境安装：

source setting_caffe.sh 。/install_opencv.sh 。/install_conversion_tool.sh

进行转换

将生成的模型放入inputs/SSD_typ并命名为SSD_typ_quant.caffemodel。

SSD_type模型使用以下命令进行转换：

make SSD_typ_vgg make SSD_typ_ssd

生成的模型为cnn_weights_SSD_typ/vgg.dat和cnn_weights_SSD_typ/ssd.bin

4. 模型使用

模型转换工具生成的vgg.dat和sdd.bin对应示例程序源码下Data/Models/gti2801/multi-object中的vgg.dat和sdd.bin可进行替换使用，同时替换labelmap.prototxt为对应的数据。或者修改示例源码中的对应变量的值。