PyTorch SSD 系列

目前分支 0.4 已支持 PyTorch 4.1。

支持的模型：

• SSD SSD：单次多框检测器
• FSSD FSSD：特征融合单次多框检测器
• RFB-SSD感受野块网络用于准确快速的目标检测
• RefineDet单次精炼神经网络用于目标检测

VOC2007 测试

系统	mAP	FPS (Titan X Maxwell)
Faster R-CNN (VGG16)	73.2	7
YOLOv2 (Darknet-19)	78.6	40
R-FCN (ResNet-101)	80.5	9
SSD300* (VGG16)	77.2	46
SSD512* (VGG16)	79.8	19
RFBNet300 (VGG16)	80.5	83
RFBNet512 (VGG16)	82.2	38
SSD300 (VGG)	77.8	150 (1080Ti)
FSSD300 (VGG)	78.8	120 (1080Ti)

COCO

系统	test-dev mAP	Time (Titan X Maxwell)
Faster R-CNN++ (ResNet-101)	34.9	3.36s
YOLOv2 (Darknet-19)	21.6	25ms
SSD300* (VGG16)	25.1	22ms
SSD512* (VGG16)	28.8	53ms
RetinaNet500 (ResNet-101-FPN)	34.4	90ms
RFBNet300 (VGG16)	29.9	15ms*
RFBNet512 (VGG16)	33.8	30ms*
RFBNet512-E (VGG16)	34.4	33ms*
SSD512 (HarDNet68)	31.7	TBD (12.9ms**)
SSD512 (HarDNet85)	35.1	TBD (15.9ms**)
RFBNet512 (HarDNet68)	33.9	TBD (16.7ms**)
RFBNet512 (HarDNet85)	36.8	TBD (19.3ms**)

注: * 此处的速度是在最新的 PyTorch 和 cuDNN 版本（0.2.0 和 cuDNN V6）上测试的，明显快于论文中报告的速度（使用 PyTorch 0.1.12 和 cuDNN V5）。

注: ** HarDNet 的结果是在 Titan V 上使用 PyTorch 1.0.1 测得的，仅计算检测时间（未包含 NMS，一般情况下 NMS 需要 13~18 毫秒）。作为参考，相同环境下 SSD-VGG 的检测时间为 15.7 毫秒（同样仅计算检测时间）。

MobileNet

系统	COCO minival mAP	#参数
SSD MobileNet	19.3	6.8M
RFB MobileNet	20.7*	7.4M

*: 略高于论文中的原始结果（20.5）。

目录

1. 安装
2. 数据集
3. 训练
4. 评估
5. 模型

安装

• 根据你的环境在官网选择并运行相应命令，安装 PyTorch-0.2.0-0.3.1。
• 克隆本仓库。本仓库主要基于RFBNet、ssd.pytorch和Chainer-ssd，在此向他们表示感谢。
  • 注意：我们目前仅支持 Python 3+。
• 编译 nms 和 coco 工具：

./make.sh

注意*: 在 utils/build.py 第 131 行检查你的 GPU 架构是否支持。默认设置为：

'nvcc': ['-arch=sm_52',

• 安装 pyinn 以用于 MobileNet 主干网络：

pip install git+https://github.com/szagoruyko/pyinn.git@master

• 然后按照下方的说明下载数据集，并安装 opencv。

conda install opencv

注意：对于训练，我们目前支持 VOC 和 COCO。

数据集

为了方便起见，我们提供了一个简单的 VOC 和 COCO 数据集加载器，它继承自 torch.utils.data.Dataset，因此与 torchvision.datasets API 完全兼容。

VOC 数据集

下载 VOC2007 trainval 和 test

# 指定数据集下载的目录，否则默认为 ~/data/
sh data/scripts/VOC2007.sh # <directory>

下载 VOC2012 trainval

# 指定数据集下载的目录，否则默认为 ~/data/
sh data/scripts/VOC2012.sh # <directory>

COCO 数据集

从 官方网站 将 MS COCO 数据集安装到 /path/to/coco，默认路径为 ~/data/COCO。按照 说明 准备 minival2014 和 valminusminival2014 的标注文件。所有标签文件 (.json) 应该放在 COCO/annotations/ 文件夹下。其基本结构应如下所示：

$COCO/
$COCO/cache/
$COCO/annotations/
$COCO/images/
$COCO/images/test2015/
$COCO/images/train2014/
$COCO/images/val2014/

更新: 目前 COCO 数据集已发布新的 train2017 和 val2017 数据集，它们只是对原有图像集的新划分。

训练

• 首先从以下地址下载fc-reduced VGG-16 PyTorch基础网络权重： https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth 或者从我们的百度网盘下载。

• MobileNet预训练基础网络移植自MobileNet-Caffe，其准确率略高于原论文[1704.04861]中报告的数值，权重文件可在以下链接获取：https://drive.google.com/open?id=13aZSApybBDjzfGIdqN1INBlPsddxCK14 或 百度网盘。

• 默认情况下，我们假设您已将文件下载到RFBNet/weights目录下：

mkdir weights
cd weights
wget https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth

• 要使用训练脚本训练RFBNet，只需在train_RFB.py中列出的参数作为命令行选项指定，或手动修改这些参数即可。

python train_test.py -d VOC -v RFB_vgg -s 300 

• 注意：
  • -d：选择数据集，VOC或COCO。
  • -v：选择主干网络版本，RFB_VGG、RFB_E_VGG或RFB_mobile。
  • -s：图像尺寸，300或512。
  • 您可以通过指定检查点路径来从某个检查点继续训练（具体选项请参阅train_RFB.py）。

评估

测试频率可以在train_test.py中找到。 默认情况下，它会直接输出VOC2007 test或COCO minival2014上的mAP结果。对于VOC2012 test和COCO test-dev的结果，您可以手动更改test_RFB.py文件中的数据集，然后保存检测结果并提交到服务器。

模型

• ImageNet mobilenet
• 07+12 RFB_Net300, 百度网盘,FSSD300,SSD300
• COCO RFB_Net512_E, 百度网盘
• COCO RFB_Mobile Net300, 百度网盘

更新（2019年9月29日）

• 增加了以Harmonic DenseNet (HarDNet)为骨干网络的SSD和RFBNet模型。
• 预训练骨干网络模型： hardnet68_base_bridge.pth | hardnet85_base.pth
• COCO数据集的预训练模型： SSD512-HarDNet68 | SSD512-HarDNet85 | RFBNet512-HarDNet68 | RFBNet512-HarDNet85

PytorchSSD 快速上手指南

PytorchSSD 是一个基于 PyTorch 的目标检测工具箱，支持 SSD、FSSD、RFB-SSD、RefineDet 等多种经典算法，并在 VOC 和 COCO 数据集上提供了高性能的预训练模型。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Linux (推荐)
• Python 版本: Python 3+
• 深度学习框架: PyTorch 0.2.0 - 0.3.1 (部分新特性如 HarDNet 需 PyTorch 1.0.1+)
• GPU 支持: CUDA 及 cuDNN (默认架构为 sm_52，如需其他架构请修改源码)
• 依赖库: OpenCV, pyinn (仅 MobileNet 骨干网需要)

注意：本项目主要基于较早期的 PyTorch 版本开发。若使用新版 PyTorch (如 1.x)，可能需要对代码进行少量适配。

2. 安装步骤

2.1 克隆仓库

git clone https://github.com/PingoLH/PytorchSSD.git
cd PytorchSSD

2.2 编译 NMS 和 COCO 工具

执行脚本编译必要的 C++/CUDA 扩展。

./make.sh

提示：如果您的 GPU 架构不是默认的 sm_52，请编辑 utils/build.py 第 131 行，将 -arch=sm_52 修改为您对应的架构（如 sm_61, sm_70 等）。

2.3 安装额外依赖

如果您计划使用 MobileNet 作为骨干网络，需安装 pyinn：

pip install git+https://github.com/szagoruyko/pyinn.git@master

安装 OpenCV：

# 推荐使用 conda 安装
conda install opencv
# 或使用 pip
pip install opencv-python

2.4 下载预训练骨干网络

训练前需下载 VGG16 或 MobileNet 的预训练权重，并放入 weights 目录。

VGG16 (Reduced FC):

mkdir weights
cd weights
# 方案 A: 直接下载 (国际源)
wget https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth
# 方案 B: 百度网盘 (国内加速)
# 链接: https://pan.baidu.com/s/1jIP86jW 

MobileNet (可选): 可从 Google Drive 或百度网盘下载 mobilenet_v1.pth 并放入 weights 目录。

• 百度网盘链接: https://pan.baidu.com/s/1dFKZhdv

2.5 准备数据集

项目支持 VOC 和 COCO 数据集。

VOC 数据集 (自动下载脚本):

# 下载 VOC2007 trainval & test
sh data/scripts/VOC2007.sh <您的数据存放目录>

# 下载 VOC2012 trainval
sh data/scripts/VOC2012.sh <您的数据存放目录>

若不指定目录，默认下载到 ~/data/。

COCO 数据集: 需手动从 官网 下载，并按以下结构组织：

$COCO/
├── annotations/      # 包含所有 .json 标签文件
├── images/
│   ├── train2014/
│   ├── val2014/
│   └── test2015/
└── cache/

注：需自行准备 minival2014 和 valminusminival2014 的标注划分。

3. 基本使用

3.1 开始训练

使用 train_test.py 脚本启动训练。以下命令演示了如何在 VOC 数据集上训练 RFB-SSD (VGG backbone)，输入尺寸为 300x300。

python train_test.py -d VOC -v RFB_vgg -s 300

参数说明：

• -d: 数据集选择 (VOC 或 COCO)
• -v: 骨干网络版本 (RFB_vgg, RFB_E_vgg, RFB_mobile, SSD_vgg, FSSD_vgg 等)
• -s: 输入图像尺寸 (300 或 512)

断点续训：可在脚本中指定权重路径参数继续训练。

3.2 模型评估

测试逻辑集成在训练脚本中，也可单独配置。默认会在 VOC2007 test 或 COCO minival2014 上输出 mAP 结果。

若要生成提交到官方服务器的结果文件（如 VOC2012 test 或 COCO test-dev）：

1. 修改 test_RFB.py 中的数据集配置。
2. 运行测试脚本保存检测结果。

3.3 使用预训练模型推理

您可以直接从 Models 章节提供的链接下载训练好的 .pth 文件（支持 Google Drive 和百度网盘），加载后即可用于推理。

支持的预训练模型示例：

• VOC 07+12: RFB_Net300, FSSD300, SSD300
• COCO: RFB_Net512_E, RFB_MobileNet300
• HarDNet 骨干网 (2019 更新): SSD512-HarDNet68/85, RFBNet512-HarDNet68/85

(具体下载链接请参考原文 README 的 "Models" 和 "Update" 章节)