models_VGGNet_VOC0712Plus_SSD_300x300_ft.tar.gz

from __future__ import print_function
import caffe
from caffe.model_libs import *
from google.protobuf import text_format

import math
import os
import shutil
import stat
import subprocess
import sys

# Add extra layers on top of a “base“ network （e.g. VGGNet or Inception）.
def AddExtralayers（net use_batchnorm=True lr_mult=1）:
    use_relu = True

    # Add additional convolutional layers.
    # 32 x 32
    from_layer = net.keys（）[-1]

    # TODO（weiliu89）: Construct the name using the last layer to avoid duplication.
    # 16 x 16
    out_layer = “conv6_1“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 256 1 0 1
        lr_mult=lr_mult）

    from_layer = out_layer
    out_layer = “conv6_2“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 512 3 1 2
        lr_mult=lr_mult）

    # 8 x 8
    from_layer = out_layer
    out_layer = “conv7_1“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 128 1 0 1
      lr_mult=lr_mult）

    from_layer = out_layer
    out_layer = “conv7_2“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 256 3 1 2
      lr_mult=lr_mult）

    # 4 x 4
    from_layer = out_layer
    out_layer = “conv8_1“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 128 1 0 1
      lr_mult=lr_mult）

    from_layer = out_layer
    out_layer = “conv8_2“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 256 3 1 2
      lr_mult=lr_mult）

    # 2 x 2
    from_layer = out_layer
    out_layer = “conv9_1“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 128 1 0 1
      lr_mult=lr_mult）

    from_layer = out_layer
    out_layer = “conv9_2“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 256 3 1 2
      lr_mult=lr_mult）

    # 1 x 1
    from_layer = out_layer
    out_layer = “conv10_1“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 128 1 0 1
      lr_mult=lr_mult）

    from_layer = out_layer
    out_layer = “conv10_2“
    ConvBNlayer（net from_layer out_layer use_batchnorm use_relu 256 4 1 1
      lr_mult=lr_mult）

    return net


### Modify the following parameters accordingly ###
# The directory which contains the caffe code.
# We assume you are running the script at the CAFFE_ROOT.
caffe_root = os.getcwd（）

# Set true if you want to start training right after generating all files.
run_soon = True
# Set true if you want to load from most recently saved snapshot.
# Otherwise we will load from the pretrain_model defined below.
resume_training = True
# If true Remove old model files.
remove_old_models = False

# The database file for training data. Created by data/VOC0712Plus/create_data.sh
train_data = “examples/VOC0712Plus/VOC0712Plus_trainval_lmdb“
# The database file for testing data. Created by data/VOC0712Plus/create_data.sh
test_data = “examples/VOC0712Plus/VOC0712Plus_test_lmdb“
# Specify the batch sampler.
resize_width =