Ⅰ 如何使用ssd训练自己的数据
可以参照前一篇文章配置下的ssd，本文假设ssd已经通过windows下的编译。
1.准备数据
需要根据PASCAL VOC格式 准备对应的数据，推荐一个好用的贴标签软件(https://github.com/tzutalin/labelImg)
拿VOC2012为例，VOC2012目录下需要Annotations、ImageSets、JPEGImages文件夹，Annotations存储对应的标签xml信息，JPEGImages存储图片数据，ImageSets 主要使用Main文件夹下的数据，Main文件夹保存了对应的训练、验证数据集的txt文本
然后使用caffe-ssd-microsoft\data\VOC0712目录下create_data.bat来生成所需要的lmdb文件(create_data.bat根据实际情况修改内容)
caffe-ssd-microsoft\data\VOC0712目录下get_image_size.bat用于生成test.txt中对应图片的大小映射，生成的结果写入test_name_size.txt
对于后面的训练需要准备以下文件:
test.txt 用于测试的文件集定义
labelmap_voc.prototxt 标签定义文件
test_name_size.txt 测试图片大小定义文件(可通过get_image_size.bat生成)
trainval.txt 训练验证集文件定义(数据排列为乱序，可根据实际情况设定)
train.prototxt 训练网络定义文件
test.prototxt 测试网络定义文件
deploy.prototxt 部署定义文件
solver.prototxt 训练配置文件
2.修改训练文件
caffe-ssd-microsoft\examples\ssd下的ssd_pascal.bat是用来训练数据用的程序(它是调用ssd_pascal.py运行的，ssd_pascal.py用来配置整个的训练环境)，因为windows下的对 路径和Linux的不同，所以对应的windows下需要找到ssd_pascal.py对应的内容进行修改：
train_data = "{}/data/VOC0712/trainval_lmdb".format(caffe_root)
test_data = "{}/data/VOC0712/test_lmdb".format(caffe_root)
save_dir = "{}/models/VGGNet/VOC0712/{}".format(caffe_root,job_name)
snapshot_dir = "{}/models/VGGNet/VOC0712/{}".format(caffe_root,job_name)
job_dir = "{}/jobs/VGGNet/VOC0712/{}".format(caffe_root,job_name)
output_result_dir = "{}/data/VOC0712/results/{}/Main".format(caffe_root,job_name)
name_size_file = "{}/data/VOC0712/test_name_size.txt".format(caffe_root)
pretrain_model = "{}/models/VGGNet/VGG_ILSVRC_16_layers_fc_reced.caffemodel".format(caffe_root)
label_map_file = "{}/data/VOC0712/labelmap_voc.prototxt".format(caffe_root)
f.write('{}\Build\{}\Debug\caffe train ^\n'.format(caffe_root,'x64'))
Ⅱ 如何用matlab+caffe训练数据
建议使用已有model进行finetune，新手从头开始做经常会不收敛。进一步的话可以在现有的比较好的网络结构上进行修改，使之符合自己的需求。最难的就是从零开始设计训练网络模型。题主可以体验一下从零开始设计训练模型，但是不要陷太深。
1.把数据转化成leveldb或者是lmdb格式
2.编写好net和solver的prototxt文件
3.在命令行下输入caffe.exe train -solver XX.prototxt（solver的文件）或者在bat文件里输入那个指令并运行
基本是这样，不是很难，自己参照example里面的文件多试几次就好