本文介绍如何使用SSD训练自己的数据集，内容包括数据集的转化，使用SSD进行训练
1、VOC数据集的介绍
VOC的数据格式：
(1)annotation中保存的是xml格式的label信息
(2)ImageSet目录中Main目录存放的是用于表示训练的图片集合
- train.txt 是用来训练的图片文件的文件名列表
- val.txt是用来验证的图片文件的文件名列表
- trianval.txt是用来训练和验证的图片文件的文件名列表
经过分析发现
trainval大概是整个数据集的50%，
test也大概是整个数据集的50%；
train大概是trainval的50%，
val大概是trainval的50%
(3)JPECImages目录下存放所有的图片集
2、将VOC数据转化为LMDB数据
SSD提供了VOC到lmdb的转化脚本：data/VOC0712/create_list.sh 和 ./data/VOC0712/create_data.sh，这两个脚本是完全针对VOC0712目录下的数据进行的转换。实现中为了不破坏VOC0712目录下的数据内容，针对我们自己的数据集，修改了上面这两个脚本。
具体的步骤如下：
(1) 在 $HOME/data/VOCdevkit目录下创建mydataset目录，该目录中存放自己转换完成的VOC数据集；
(2) $CAFFE_ROOT/examples目录下创建mydataset目录；
(3)$CAFFE_ROOT/data下创建mydataset目录，同时将data/VOC0712下的 create_list.sh,create_data.sh,labelmap_voc.prototxt
这三个文件copy到mydataset目录下，分别重命名为create_list_node.sh,create_data_node.sh, labelmap_node.prototxt
(4)对上面新生成的两个create文件进行修改，主要修改是将VOC0712相关的信息替换成mydataset
(5)修改labelmap_indoor.prototxt，将该文件中的类别修改成和自己的数据集相匹配，注意需要保留一个label 0 , background类别
完成上面步骤的修改后，可以开始LMDB数据数据的制作，在$CAFFE_ROOT目录下分别运行：
./data/mydatasetr/create_list_node.sh
./data/mydataset/create_data_nodesh
命令执行完毕后，可以在$CAFFE_ROOT/indoor目录下查看转换完成的LMDB数据数据。
3、使用SSD进行自己数据集的训练
修改ssd_pascal_mydataset.py
（1）train_data和test_data修改成指向自己的数据集LMDB
train_data = "examples/mydataset/mydataset_trainval_lmdb"
test_data = "examples/mydatasetr/mydataset_test_lmdb"
（2）num_test_image该变量修改成自己数据集中测试数据的数量
（3）num_classes 该变量修改成自己数据集中标签类别数量
参考文章https://www.cnblogs.com/objectDetect/p/5780006.html