深度學習界的「吃雞掛」——目標檢測 SSD 實驗

知識 01-11

本文原載於知乎專欄「Russell Lab」，AI 研習社獲得其作者魏鴻鑫授權轉載。

「卧槽，又被 LYB 幹了！」背後傳來一聲哀嚎。

哈哈，看來，沉迷吃雞的室友又被戒網癮了。作為一個充滿著正義的 LYB 的遊戲，這人不長點眼力還真的不行啊。不過這時候一張圖片吸引了我的興趣：

網易《荒野行動》的車輛檢測

能識別出視頻中的汽車和人，這，不是外掛么？想到專業制裁 LYB 們的透視掛，這波我很強好吧。為探秘這「外掛」效果有多強，那我就來複現這個深度學習界的「吃雞掛」——SSD 目標檢測。

SSD 目標檢測介紹

SSD 是一種 Object Detection 方法。本文的源代碼是基於論文 SSD: Single Shot MultiBox Detector（https://arxiv.org/abs/1512.02325），實現的 keras 版本。

該文章在既保證速度，又要保證精度的情況下，提出了 SSD 物體檢測模型，與現在流行的檢測模型一樣，將檢測過程整個成一個 single deep neural network。便於訓練與優化，同時提高檢測速度。 SSD 將輸出一系列離散化（discretization）的 bounding boxes，這些 bounding boxes 是在不同層次（layers）上的 feature maps 上生成的，並且有著不同的 aspect ratio。

使用 RussellCloud 復現

做深度學習的，大家都知道最糾結的莫過於配置環境了。那麼多框架那麼多庫那麼多版本，稍有不注意，成倍的時間都花在踩坑上了。這在做復現的時候尤為明顯，我不過是想跑一下別人的代碼看看效果，結果完全搞不定。

使用 RussellCloud，輕鬆搞定環境問題，要啥，寫個 requirement 就行了！

復現前準備：

註冊 RussellCloud 賬號

（註冊邀請碼可至論壇跟帖求助獲取，每位已經註冊的用戶也有五枚好友邀請碼）

安裝 russell-cli 終端工具

Clone 項目代碼，Git 地址 RussellCloud/SSD_keras

使用命令行登錄：

輸入 y，網頁登錄後在網頁端拷貝賬戶的 Token，粘貼進終端，回車。如果你使用 Windows 的命令行，可能會出現粘貼不進的情況，請右鍵窗口粘貼（或者點擊左上角圖標）。

成功登錄輸出：

新建項目：

來到 RussellCloud 主頁，進入控制台，新建一個項目。項目名隨便起一個，很多都可以不填，比較重要的是默認容器環境一定要選擇：keras 。

RussellCloud 創建項目頁

初始化項目：

項目創建完成後記得在項目主頁複製概覽 ID，用於項目初始化。

初始化成功輸出：

運行項目：

初始化完成後我們就可以用 russell run 命令運行項目了，這裡我們項目下實現的是一個 IPython Notebook 工程，所以我們要使用 Jupyter 模式來啟動我們的項目。

成功運行 task 輸出：

然後我們就會瀏覽器自動打開一個頁面，這就進入到了我們的 Jupyter 環境下。

在線的 jupyter

然後我們可以看到我們所有的項目文件都展現在這個網頁中了，當然我們還有掛載的 SSD_Weight 數據集在 / input/model 目錄下沒有顯示出來。接下來我們就是打開這個 SSD.ipynb 開始運行啦！不過這裡的代碼有一些目錄還還沒有對應改好哦，所以我們這裡按 cell 運行時候要及時查錯，把相應的目錄修改好。

成功運行完一遍，OK！