models_VGGNet_VOC0712_SSD_300x300.tar.gz

已训练好的VGGNet模型可导入直接使用。具体使用说明可参考https://blog.csdn.net/u010677365/article/details/80881040。

from __future__ import print_function
import caffe
from caffe.model_libs import *
from google.protobuf import text_format

import math
import os
import shutil
import stat
import subprocess
import sys

# Add extra layers on top of a “base“ network （e.g. VGGNet or Inception）.
def AddExtralayers（net use_batchnorm=True lr_mult=1）:
    use_relu = True

    # Add additional convolutional layers.
    # 19 x 19
    from_layer = net.keys（）[-1]

    # TODO（weiliu89）: Construct the name using the last layer to avoid duplication.
    # 10 x 10
    out_layer = “conv6_1“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 256 1 0 1
        lr_mult=lr_mult）

    from_layer = out_layer
    out_layer = “conv6_2“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 512 3 1 2
        lr_mult=lr_mult）

    # 5 x 5
    from_layer = out_layer
    out_layer = “conv7_1“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 128 1 0 1
      lr_mult=lr_mult）

    from_layer = out_layer
    out_layer = “conv7_2“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 256 3 1 2
      lr_mult=lr_mult）

    # 3 x 3
    from_layer = out_layer
    out_layer = “conv8_1“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 128 1 0 1
      lr_mult=lr_mult）

    from_layer = out_layer
    out_layer = “conv8_2“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 256 3 0 1
      lr_mult=lr_mult）

    # 1 x 1
    from_layer = out_layer
    out_layer = “conv9_1“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 128 1 0 1
      lr_mult=lr_mult）

    from_layer = out_layer
    out_layer = “conv9_2“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 256 3 0 1
      lr_mult=lr_mult）

    return net


### Modify the following parameters accordingly ###
# Notice: we do evaluation by setting the solver parameters approximately.
# The reason that we do not use ./build/tools/caffe test ... is because it
# only supports testing for classification problem now.
# The directory which contains the caffe code.
# We assume you are running the script at the CAFFE_ROOT.
caffe_root = os.getcwd（）

# Set true if you want to start training right after generating all files.
run_soon = True

# The database file for training data. Created by data/VOC0712/create_data.sh
train_data = “examples/VOC0712/VOC0712_trainval_lmdb“
# The database file for testing data. Created by data/VOC0712/create_data.sh
test_data = “examples/VOC0712/VOC0712_test_lmdb“
# Specify the batch sampler.
resize_width = 300
resize_height = 300
resize = “{}x{}“.format（resize_width resize_height）
batch_sampler = [
        {
                ‘sampler‘: {
                        }
                ‘max_trials‘: 1
                ‘max_sample‘: 1
        }
        {
                ‘sampler‘: {
                        ‘min_scale‘: 0.3
                        ‘max_scale‘: 1.0