SSD-Tensorflow训练模型——ssd_512_vgg

使用的基础网络结构为ssd_512_vgg

1. 首先修改ssd_vgg_512.py的训练类别

2.修改train_ssd_network.py的model_name

   修改为ssd_512_vgg

 

3. 修改nets/np_methods.py

    修改：将300改为512， 将类别改为自己数据的类别（+背景）

4. 修改preprocessing/ssd_vgg_preprocessing.py

    修改：将300改为512

5. 修改训练语句

    其他验证测试语句中的模型名称也要修改

    # 注释掉CHECKPOINT_PATH，不提供初始化模型,让模型自己随机初始化权重，从头训练  
    # 删除checkpoint_exclude_scopes和trainable_scopes，因为是从头开始训练  
    #　CHECKPOINT_PATH=./log_files/log_finetune/train_voc0712_20170712_1741_VGG16/model.ckpt-253287  
      
    python3 ../train_ssd_network.py \  
        --train_dir=${TRAIN_DIR} \   #训练生成模型的存放路径  
        --dataset_dir=${DATASET_DIR} \  #数据存放路径  
        --dataset_name=pascalvoc_2007 \ #数据名的前缀  
        --dataset_split_name=train \  
        --model_name=ssd_512_vgg \  #加载的模型的名字      //修改为模型的名字
        #--checkpoint_path=${CHECKPOINT_PATH} \ #所加载模型的路径,这里注释掉  
        --checkpoint_model_scope=vgg_16 \   #所加载模型里面的作用域名  
        --save_summaries_secs=60 \  #每60s保存一下日志  
        --save_interval_secs=600 \  #每600s保存一下模型  
        --weight_decay=0.0005 \     #正则化的权值衰减的系数  
        --optimizer=adam \          #选取的最优化函数  
        --learning_rate=0.00001 \   #学习率  
        --learning_rate_decay_factor=0.94 \ #学习率的衰减因子  
        

6. 修改ssd_notbook.ipynb

   a  将文件中数字“300”改为“512”

   b  将import sys  

          sys.path.append('../')

       提前，改为如下图

7. 其他修改参考

http://blog.csdn.net/liuyan20062010/article/details/78905517