第一步：使用训练的模型对自己的数据进行检测

./build/examples/ssd/ssd_detect.bin models/VGGNet/VOC0712/SSD_300x300/deploy.prototxt models/VGGNet/VOC0712/SSD_300x300/VGG_VOC0712_SSD_300x300_iter_120000.caffemodel /home/x/Desktop/TestData/test.txt --file_type image --out_file /home/x/Desktop/TestData/output.txt --confidence_threshold 0.5

参数说明：

        ssd_detect.bin：是ssd_detect.cpp的编译文件，类似于caffe中的classifier.bin，主要用于ssd训练模型的检测，相当main函数。

        deploy.prototxt：网络结构参数，具体请见（https://www.cnblogs.com/zhonghuasong/p/7353221.html）

        VGG_VOC0712_SSD_300×300_iter_120000.caffemodel：训练模型

        test.txt：测试数据，可以是图片，可以是视频，每一行为图片或视频的路径，见下图

        --file_type：文件类型，图片用image，视频用video

        --out_file：检测结果输出文件，输出结果见下图所示

        --condidence_threshold：阈值参数，这里我设置为0.5，参数范围(0,1)

第二步：对检测结果进行可视化

    保存结果前需要将output.txt中的路径进行修改，避免出现如图2的错误，修改之后的结果如图3所示

然后输入以下命令进行可视化处理：

python examples/ssd/plot_detections.py /home/x/Desktop/TestData/output.txt /home/x/Desktop/ --labelmap-file data/VOC0712/labelmap_voc.prototxt --save-dir /home/x/Desktop/TestData/ssd_result

参数说明：

        plot_detections.py：ssd自带绘制检测结果函数

        output.txt：模型检测结果

        /home/x/Destop/：测试图片所处的路径，它会加上output.txt中的TestData/*.jpg形成完整的路径

        --labelmap-file：标签文件，这是VOC对应的标签文件，如果是训练自己的数据，则作相应的修改即可

        --save-dir：可视化结果保存路径，根据自己的情况输入相对或绝对路径即可

部分测试结果：

参考：

除特别声明，本站所有文章均为原创，如需转载请以超级链接形式注明出处：SmartCat's Blog