SSD（Single Shot MultiBox Detector）算是一个比较不错的目标检测算法，主攻方向是速度，当然精度也比Yolo提高了一些，最近在ubuntu16.04下实现了代码运行，此博文主要内容来自原作者的github，加上了一些个人理解，欢迎探讨。
PS：SSD代码和模型常常在更新，我给的链接可能不是最新版，如运行出错请参看官方github。
准备工作：linux+cuda+caffe是标配，我就不详述了，推荐博客：
下面正式开始：
1. 获取源码
git clone https://github.com/weiliu89/caffe.git
cd caffe
git checkout ssd
说明：SSD采用的是在caffe文件夹中内嵌例程的方式，作者改动了原版caffe，所以你需要把原来的caffe文件夹移除，git命令会新建一个带有SSD程序的caffe文件夹，当然，这个新的caffe要重新编译一次。
2. 编译caffe
cd /home/mx/caffe
cp Makefile.config.example Makefile.config
运行时报错不断，事后总结，需要修改配置文件，用gedit或者vim打开配置文件进行修改：
1）Makefile.config文件中
将USE_CUDNN :=1取消注释
2）Makefile.config文件中
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include后面打上一个空格，
然后添加/usr/include/hdf5/serial， 如果没有这一句会报一个找不到hdf5.h的错误
3）makefile文件中
替换NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
为NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
保存退出。
继续输入命令
make -j8 #8线程
make py
make test -j8
make runtest -j8 #貌似不是必须的，跑一遍用了10多分钟
3.训练模型
节省时间的做法是，直接下载原作者最终弄好的模型：
http://www.cs.unc.edu/~wliu/projects/SSD/models_VGGNet_VOC0712_SSD_300x300.tar.gz
解压后将voc0712文件夹放入/home/mx/caffe/models/VGGNet/之下
OR：条件较好的同学可以下载图片数据和预训练模型，进行finetuning，得到最终可用的模型，步骤如下：
1）下载预训练模型
https://gist.github.com/weiliu89/2ed6e13bfd5b57cf81d6
将其放入新建的文件夹/home/mx/caffe/models/VGGNet/
- 下载voc2007和voc2012数据集
cd /home/mx/data
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
如果终端下载太慢，那就按照地址手动下载文件，依然放入文件夹/home/mx/data/
解压文件，按照顺序来
cd /home/mx/data
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar
tar -xvf VOCtest_06-Nov-2007.tar
- 将图片转化为LMDB文件，用于训练
cd /home/mx/caffe
./data/VOC0712/create_list.sh
./data/VOC0712/create_data.sh
这里用的脚本实现批处理，可能会出现错误：no module named caffe或者no module named caffe-proto，那是caffe的Python环境变量未配置好，解决方法： echo “export PYTHONPATH=/home/username/caffe/python:$PYTHONPATH” >> ~/.profile
source ~/.profile
echo $PYTHONPATH #检查环境变量的值
设好环境变量后，重新运行命令就不会出错了