基于SSD算法实现对自己数据集的训练与检测。(该专题以操作为主）
SSD是一种非常优秀的one-stage目标检测方法，one-stage算法就是目标检测和分类是同时完成的，其主要思路是利用CNN提取特征后，均匀地在图片的不同位置进行密集抽样，抽样时可以采用不同尺度和长宽比，物体分类与预测框的回归同时进行，整个过程只需要一步，所以其优势是速度快。
这篇文档主要讲述怎样用SSD算法来实现对自己数据集的训练步骤，以及一些可能遇到问题的解决方案。
源码采用开源代码，链接如下：
https://github.com/bubbliiiing/ssd-pytorch
代码结构如下图所示
1、准备数据集
需要准备VOC格式的数据集（以VOC格式数据集为例）
2、修改相应的数据处理函数
① 本文采用的是 自己的数据集，所以需要修改data目录下的voc0712.py
主要修改新数据集中目标类别与新数据集的路径
VOC_CLASSES = ( # always index 0
'mask
Original: https://blog.csdn.net/reset2021/article/details/125731150
Author: reset2021
Title: ssd训练自己的数据集
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/708681/
转载文章受原作者版权保护。转载请注明原作者出处！