MobileNetV3-SSD implementation in PyTorch
关于第二个版本请移步 https://github.com/shaoshengsong/MobileNetV3-SSD-Compact-Version 有测试结果 希望尝试新技术请到这里 https://github.com/shaoshengsong/quarkdet 一个轻量级的目标检测包括多种模型 目的 Object Detection 应用于目标检测
环境
操作系统: Ubuntu18.04
Python: 3.6
PyTorch: 1.1.0
使用MobileNetV3-SSD实现目标检测
Support Export ONNX
代码参考（严重参考以下代码）
一 SSD部分
A PyTorch Implementation of Single Shot MultiBox Detector
二 MobileNetV3 部分
1 mobilenetv3 with pytorch，provide pre-train model
2 MobileNetV3 in pytorch and ImageNet pretrained models
3Implementing Searching for MobileNetV3 paper using Pytorch
针对4我这里没有做MobileNetV1, MobileNetV2等等代码兼容，只有MobileNetV3可用
下载数据 本例是以蛋糕和面包为例，原因是数据量小 所有类别总大小是561G，蛋糕和面包是3.2G
python3 open_images_downloader.py --root /media/santiago/a/data/open_images --class_names "Cake,Bread" --num_workers 20
训练过程
首次训练
python3 train_ssd.py --dataset_type open_images --datasets /media/santiago/data/open_images --net mb3-ssd-lite --scheduler cosine --lr 0.01 --t_max 100 --validation_epochs 5 --num_epochs 100 --base_net_lr 0.001 --batch_size 5
预加载之前训练的模型
python3 train_ssd.py --dataset_type open_images --datasets /media/santiago/data/open_images --net mb3-ssd-lite --pretrained_ssd models/mb3-ssd-lite-Epoch-99-Loss-2.5194434596402613.pth --scheduler cosine --lr 0.01 --t_max 100 --validation_epochs 5 --num_epochs 200 --base_net_lr 0.001 --batch_size 5
测试一张图片
python run_ssd_example.py mb3-ssd-lite models/mb3-ssd-lite-Epoch-99-Loss-2.5194434596402613.pth models/open-images-model-labels.txt /home/santiago/picture/test.jpg
视频检测
python3 run_ssd_live_demo.py mb3-ssd-lite models/mb3-ssd-lite-Epoch-99-Loss-2.5194434596402613.pth models/open-images-model-labels.txt
Cake and Bread Pretrained model
链接: https://pan.baidu.com/s/1byY1eJk3Hm3CTp-29KirxA
提取码: qxwv
VOC Dataset Pretrained model
链接: https://pan.baidu.com/s/1yt_IRY0RcgSxB-YwywoHuA
提取码: 2sta