郑重声明：

本项目是我在github（国内的话是gitee）的免费开源项目。如果你在某些平台（CSDN、淘宝）付费下载了该项目，烦请告知（邮箱([email protected])）。

更新说明

针对近来很多同学反映的在新版本pytorch下程序报错： "RuntimeError: Legacy autograd function with non-static forward method is deprecated. Please use new-style autograd function with static forward method. (Example: https://pytorch.org/docs/stable/autograd.html#torch.autograd.Function)" 。 做了修改了detection、Test、xxx_detection等部分代码，可适应新版本pytorch。另外旧版本pytor请选择old-pytorch分支。

运行环境（Excution Environment）：

1.python 3.7.1
2.pytorch 1.0.1
3.python-opencv
4.cuda大概可能是8或者9，时间太久记不清了。 不过主要还是显卡-cuda-cudnn-pytorch版本对应吧。

说明（Notions）

预训练的权重文件[vgg_16]

1、具体的配置文件请看 Config.py 文件--file that save the configuration
2、训练运行 python Train.py --file that start the training and control the loops
3、单张测试 python test.py --file that test ssd with one image
4、测试网络性能 python eval.py --file that evaluate the performance
5、测试视频 python camera_detection.py --file that test the cnn with a video sequence

目前进度（Process: All Done）：

内容	进度
PERCLOS 计算	DONE
眨眼频率计算	DONE
打哈欠检测及计算	DONE
疲劳检测	DONE

主要文件说明（File in the repo）：

ssd_net_vgg.py 定义 class SSD 的文件（define the ssd cnn）
Train.py 训练代码 (training)
voc0712.py 数据集处理代码（没有改文件名，改的话还要改其他代码，麻烦） (processing the dataset)
loss_function.py 损失函数 (loss function)
detection.py 检测结果的处理代码，将 SSD 返回结果处理为 opencv 可以处理的形式
eval.py 评估网络性能代码
test.py 单张图片测试代码 Ps:没写参数接口，所以要改测试的图片就要手动改代码内部文件名了
l2norm.py l2 正则化
Config.py 配置参数
utils.py 工具类
camera.py opencv 调用摄像头测试
camera_detection.py 摄像头检测代码 V1,V2
video_detection.py 视频检测，V3

数据集结构：

/dataset:

/Annotations 存放含有目标信息的 xml 文件
/ImageSets/Main 存放图片名的文件
/JPEGImages 存放图片
/gray2rgb.m 灰度图转三通道
/txt.py 生成 ImageSets 文件的代码

权重文件存放路径：

weights 测试后的图片存放位置： tested

参考代码：

https://github.com/amdegroot/ssd.pytorch

数据集和权重文件：

（针对部分代码中涉及的文件（指ssd_voc_5000_plus.pth），翻了翻旧U盘，算是找到了。） 百度云： 数据集和权重文件 提取码：hwsi
Onedrive： 数据集 权重文件

测试

1、运行 Train.py 训练 2、eval 可以用于测试整个测试集，test 用于单张图片测试。

关于问题讨论

欢迎大家就代码中存在的问题提issue，同时本存储库开放了讨论功能（Discussion），欢迎各位将一些共性的问题放到Dicussion中提问（我也会将部分以前的issue放到Discussion中）。

关于咨询

如果issue和Discussion不能满足您的需要，随时可以发邮件到我的邮箱([email protected])提出您的问题。 当然，不管是issue/discussion还是邮件，我都会尽快回复（issue和discussion有更新github会给我发邮件，我也会时常检查github手机端APP）。

最后，如果您想要支持我的工作，请扫描下面的二维码

谢谢您对我的支持和帮助