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。

也请仔细阅读GTI2801_SSD_toolset_UG_v1.0.pdf

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 -xzf 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
。