使用Tensorflow object detection API——训练模型(Window10系统)

【数据标注处理】

  1、先将下载好的图片训练数据放在models-master/research/images文件夹下,并分别为训练数据和测试数据创建train、test两个文件夹。文件夹目录如下

  使用Tensorflow object detection API——训练模型(Window10系统)

  2、下载 LabelImg 这款小软件对图片进行标注

  3、下载完成后解压,直接运行。(注:软件目录最好不要存在中文,否则可能会报错)

  4、设置图片目录,逐张打开图片,按快捷键W,然后通过鼠标拖拽实现目标物体框选,随后输入物体类别,单张图片多目标则重复操作,目标框选完成后,保存操作。

  5、重复上述操作,直至所有图片完成选定。

使用Tensorflow object detection API——训练模型(Window10系统)

 

 

 

【图片标注数据处理】

  1、打开xml_to_csv.py,修改path 为对应train、test文件夹路径,并运行,在对应目录下将会生成csv文件,将生成的csv文件拷贝到models-master\research\object_detection\data文件夹下。

使用Tensorflow object detection API——训练模型(Window10系统)

 

使用Tensorflow object detection API——训练模型(Window10系统) View Code

 

  2、打开python generate_tfrecord.py,将对应的label改成自己的类别,python generate_tfrecord.py --csv_input=data/person_train.csv  --output_path=data/person_train.record,输入对应train、test.csv文件路径,生成对应tfrecord数据文件。

使用Tensorflow object detection API——训练模型(Window10系统)

使用Tensorflow object detection API——训练模型(Window10系统) View Code

 

  3、打开或下载ssd_mobilenet_v1_coco.config配置文件,修改训练、测试数据路径、分类数、批次图片数量(避免超出显存,稍微小点),放置在models-master\research\object_detection\training文件夹下。

使用Tensorflow object detection API——训练模型(Window10系统) View Code

 

  4、在data文件下创建对应.pbtxt文件,修改类型对应的ID序号,id序号注意与前面创建CSV文件时保持一致。

 

使用Tensorflow object detection API——训练模型(Window10系统)

item {  
  id: 1  
  name: 'person'  
}  
  
item {  
  id: 2  
  name: 'car'  
}

使用Tensorflow object detection API——训练模型(Window10系统)

【训练模型】

  1、在models-master\research\object_detection目录下运行python train.py --logtostderr --train_dir=training/ --pipeline_config_path=training/ssd_mobilenet_v1_coco.config 

  使用Tensorflow object detection API——训练模型(Window10系统)

  2、等待loss稳定在一个比较小的值之间,则可以停止训练。(直接关闭窗口以上即可)

  3、可视化操作:在models-master\research\object_detection文件夹下,运行tensorboard --logdir='training' ,然后在浏览器中输入localhost:6006即可查看模型训练的各项参数情况。

使用Tensorflow object detection API——训练模型(Window10系统)

4、Anaconda Prompt 定位到  models\research\object_detection 文件夹下,运行

python export_inference_graph.py \ --input_type image_tensor \ --pipeline_config_path training/ssd_mobilenet_v1_coco.config \  --trained_checkpoint_prefix training/model.ckpt-31012 \  --output_directory person_vehicle_inference_graph 

  trained_checkpoint_prefix training/model.ckpt-31012 这个checkpoint(.ckpt-后面的数字)可以在training文件夹下找到你自己训练的模型的情况,填上对应的数字(如果有多个,选最大的)。
  output_directory tv_vehicle_inference_graph 改成自己的名字

  运行完后,可以在person_vehicle_inference_graph (这是我的名字)文件夹下发现若干文件,有saved_model、checkpoint、frozen_inference_graph.pb等。 .pb结尾的就是最重要的frozen model了,还记得第一大部分中frozen model吗?没错,就是我们在后面要用到的部分

【测试模型】

  1、打开jupyter notebook,先复制object detection API自带的object_detection_tutorial.ipynb代码;

  2、将模型修改为刚刚导出的模型地址,以及pbtxt文件位置;

使用Tensorflow object detection API——训练模型(Window10系统)

 

  3、设置测试图片路径

使用Tensorflow object detection API——训练模型(Window10系统)

  4、运行

使用Tensorflow object detection API——训练模型(Window10系统)

源码获取方式,关注公总号RaoRao1994,查看往期精彩-所有文章,,即可获取资源下载链接

使用Tensorflow object detection API——训练模型(Window10系统)

更多资源获取,请关注公总号RaoRao1994

上一篇:80x86 register and memory mode


下一篇:python---pth包路径