mobilenet_ssd_pedestrian_detection 基于Mobilenet SSD的行人检测。 培训信息 数据集：加州理工学院步行者数据集 Caffe Mobilenet SSD： :

写在前面：本文不详细介绍SSD，只记录一些大体流程，具体细节可见参考1，换用数据集训练SSD可见参考2 参考1：SSD代码细节讲解 参考2：SSD换数据集训练 给定图片如何得到对应的GT SSD网络若指定了先验框的minsize和maxsize，则整个图片的所有先验框位置均固定。拿300SSD来说，可以得到8372个位置确定的先验框（存于model_data/prior_boxes_ssd300.pkl） 图片所标注的物体位置（真实框）和所属类别（存于2007_train.txt） 计算真实框对应的先验框，与这个先验框应当有的预测结果。 【输入：8372先验框和图片标注的信息，输出：assig

using Neural Networks (SSD) on Tensorflow to do hand detect. https://github.com/molyswu/hand_detection

Mobilenet-SSD的Caffe系列实现-附件资源

压缩包里面:VGG_ILSVRC2016_SSD_300x300_iter_440000.caffemodel, deploy.prototxt,labelmap_det.txt,文件齐全

运行环境： 1.python 3.7.4 2.pytorch 1.4.0 3.python-opencv 说明 预训练的权重文件[vgg_16] 具体的配置文件请看Config.py文件 训练运行python Train.py 单张测试 python Test.py ##目前进度： 1、PERCLOS计算 DONE 2、眨眼频率计算 DONE 3、打哈欠检测及计算 DONE 4、疲劳检测 DONE 5、人脸情绪检测 DONE 6、口罩检测Done 网络检测性能：准确率82.18% 主要文件说明： ssd_net_vgg.py 定义class SSD的文件 Train.py 训练代码 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） loss_function.py 损失函数 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

voc0712 训练的ssd模型，mAP值为77%，网络结构是作者开源的ssd代码的标准的ssd 300*300的网络

opencv_face_detector_uint8.pb和 res10_300x300_ssd_iter_140000_fp16.caffemodel 下载

行业分类-网络游戏-双网络隔离SSD硬盘.zip

从2013-2020所有主流目标检测算法论文， RCNN、Faster R-CNN、YOLOv1-YOLOv4、SSD等 和 部分代码