# SimplifiedSSD

**Repository Path**: lonerlin/simplified-ssd

## Basic Information

- **Project Name**: SimplifiedSSD
- **Description**: 为SSD训练添加一个图形界面，用于简化SSD模型的训练。
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 3
- **Created**: 2021-04-10
- **Last Updated**: 2024-06-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 带图形界面的SSD目标检测  

cpu，gpu均可使用

## Requirements
pytorch  
torchvision  
onnx  
pyqt  
boto3  
pandas  
urllib3  
## 启动
运行 ssd_gui.py 启动图形界面。  
 ![0](https://gitee.com/lonerlin/simplified-ssd/raw/master/images/0.jpg)
## 数据准备
   *** 如果你已经准备好数据集，请跳过这一步 ***  
   ### 创建一个VOC2007文件夹
   选择一个空的目录，点击“生成文件夹”生成VOC2007格式的文件夹  
   ![1](https://gitee.com/lonerlin/simplified-ssd/raw/master/images/1.jpg)
   
   ### 拍摄图像，打标签
   *** 如果已经准备好图像的，直接把图像放到VOC2007文件夹下的JPEGImages目录下 ***  
   
   ![2](https://gitee.com/lonerlin/simplified-ssd/raw/master/images/2.jpg)  
   
   1. 点击摄像头抓拍，打开摄像头，捕捉图像  
   
   ![3](https://gitee.com/lonerlin/simplified-ssd/raw/master/images/3.jpg)
   2. 点击编辑标签类别，编辑标签，第一个标签为“BACKGROUND”,全部字母为大写。
     
   ![4](https://gitee.com/lonerlin/simplified-ssd/raw/master/images/4.jpg)
   3. 打开LabelImg，为图像打标签   
   
   ![5](https://gitee.com/lonerlin/simplified-ssd/raw/master/images/5.jpg)
## 模型训练
设置训练参数，保存参数，然后开始训练。  

![6](https://gitee.com/lonerlin/simplified-ssd/raw/master/images/6.jpg)   
训练完成，训练结果保存在training_records中。      

![7](https://gitee.com/lonerlin/simplified-ssd/raw/master/images/7.jpg)
## 模型测试
选中训练完成的模型，选中标签文件，打开图像测试     

![8](https://gitee.com/lonerlin/simplified-ssd/raw/master/images/8.jpg)
## 导出模型
导出为ONNX模型，可以导出到Jetson nano上运行。      

![9](https://gitee.com/lonerlin/simplified-ssd/raw/master/images/9.jpg)

## 程序调用实例

以下程序演示了使用opencv调用摄像头进行目标检测

```python

import sys
import cv2
sys.path.append("E:\simplified-ssd")     # simplified-ssd文件夹所在路径
from prediction import Prediction

#使用自己训练模型时使用以下代码
# model_path = "E:/simplified-ssd/models/mb1-ssd-Epoch-29-Loss-1.6614457368850708.pth"
# label_path = "E:/dataset/cow_wolf/VOC2007/labels.txt"
# pre = Prediction(model_path=model_path, label_path=label_path)

# 使用默认的模型
pre = Prediction()

# 摄像头
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
     # 返回渲染过的图像（RGB），检测结果列表list（box，label，probs）
    image, results = pre(frame)
    if results:
        print(results)
    cv2.imshow("Test window", cv2.cvtColor(image, cv2.COLOR_RGB2BGR))
    if cv2.waitKey(1) == ord('q'):
        break

pre = None

```

###注释
本项目是基于[jetson-inference](https://github.com/dusty-nv/jetson-inference/).
在原有项目的基础上添加了一个简单的图形界面，把大部分参数设置为默认。添加了数据处理处理部分，拍照小软件，模型测试，模型导出，训练结果记录与输出等简单功能。
同时，修改了部分程序，使训练和测试同时支持CPU，GUP。

This repo implements [SSD (Single Shot MultiBox Detector)](https://arxiv.org/abs/1512.02325) in PyTorch for object detection, using MobileNet backbones.  It also has out-of-box support for retraining on Google Open Images dataset.  

> For documentation, please refer to Object Detection portion of the **[Hello AI World](https://github.com/dusty-nv/jetson-inference/tree/dev#training)** tutorial:
> [Re-training SSD-Mobilenet](https://github.com/dusty-nv/jetson-inference/blob/dev/docs/pytorch-ssd.md)

Thanks to @qfgaohao for the upstream implementation from:  [https://github.com/qfgaohao/pytorch-ssd](https://github.com/qfgaohao/pytorch-ssd)