本工程主要目的是集成深度学习中常用的目标检测模型，并利用目标检测模型进行图像和视频中的检测！

OS: Ubuntu 16.04
Python: Python 3.6.0
Tensorflow: 1.4.1 version
Opencv: 3.2.0 version for python

• SSD+VGG
• SSD+Res
• SSD+Inception
• SSD+SqueezeNet
• SSD+Deconvolution
• YOLO

1. 先准备好数据集

cat /Volumes/projects/DataSets/VOC2007/voc_train.txt
image_path01 xmin ymin xmax ymax class_id xmin ymin xmax ymax class_id
image_path02 xmin ymin xmax ymax class_id xmin ymin xmax ymax class_id
image_path03 xmin ymin xmax ymax class_id xmin ymin xmax ymax class_id

PS：Class_id从0开始编号，顺序同cfg文件中的label顺序一致

2. 修改配置文件 配置文件存放在根目录下：conf/ssd_train.cfg 其中还有若干配置项，进行修改

3. 运行程序 进入到example/ssd目录中

python vgg_trainer.py -c ../../conf/ssd_train.cfg

• 整理文件目录结构，按照设计模式进行
• 增加数据预处理的PipeLine
  • 图像插值
  • 图像镜像操作(左右，上下)
  • 添加随机噪声(各种模糊操作)
  • 对比度拉伸
  • 饱和度变化
  • 图像锐化
• 提高模型训练速度
  • RawData ---> TFRecords
  • Single Process ---> Multi Processes
• 检测过程的可视化
• 编写检测网络结构模型文件
• 对数据集的处理结构的统一接口
• 编写对模块的测试文件

• YOLOv1模型在Pascal VOC数据集上的表现

• New Issues
• Send me E-mail: liuguiyangnwpu@163.com