该仓库基于Max deGroot与Ellis Brown的ssd.pytorch进行的，非常感谢他们无私的奉献。

• 原地址
• 原地址的加注释版本
• 重构版本 强烈推荐！（即本仓库）

• 数据集：原作者支持VOC、COCO，该仓库仅支持VOC，如果有时间，考虑将COCO加上。
• 网络：支持SSD300

大牛们写代码果然不拘小节，结构混乱依然不影响他们这么优秀。强迫症犯了，一周时间理解源码，一天内重构完成。哇，世界清爽了~

• 所有参数均可在config.py中设置
• 重新整理结构，并加入大量代码注释

1、定义网络

2、封装数据集

3、工具类

4、主函数

• vgg16网络结构

下载VOC2007和VOC2012的数据集，并在utils/config.py中的voc_data_root配置数据集的根目录。

VOCdevkit
│
└───VOC2007
│   │   JPEGImages
│   │   ImageSets
│   │   Annotations
│   │   ...
│   
└───VOC2012
│   │   JPEGImages
│   │   ImageSets
│   │   Annotations
│   │   ...

作用：使用VOC2007和2012的训练集+验证集 开始训练

1、开启Visdom（类似TnsorFlow的tensorboard,可视化工具）

# First install Python server and client
pip install visdom
# Start the server 
python -m visdom.server

2、下载SSD的基础网络VGG16(去掉fc层)

下载地址：vgg16_reducedfc.pth

下载完成后将其放置在checkpoint文件夹下即可。也可通过配置config.py中basenet的路径。

3、开始训练

在main.py中将train()注释取消，其他方法注释掉，即可运行。

作用：VOC2007测试集,计算各分类AP及mAP

1、在config.py中load_model_path配置预训练模型的路径

预训练模型下载：ssd300_VOC_100000.pth

2、在main.py中将eval()注释取消，其他方法注释掉，即可运行。

功能：VOC2007测试集，将预测结果写入txt

1、在config.py中load_model_path配置预训练模型的路径

预训练模型下载：ssd300_VOC_100000.pth

2、在main.py中将test()注释取消，其他方法注释掉，即可运行。

功能：可视化一张预测图片

1、在config.py中load_model_path配置预训练模型的路径

预训练模型下载：ssd300_VOC_100000.pth 2、在main.py中将predict()注释取消，其他方法注释掉，即可运行。

• 原作者 Max deGroot、Ellis Brown

• 本仓库作者 Mr.Li