python3.5+Tensorflow+Faster R-CNN在ubuntu下训练数据，进行表面缺陷检测(二)

接上一篇博文，python3.5+Tensorflow+Faster R-CNN在ubuntu下训练数据，进行表面缺陷检测(一)

前期准备

0.下载faster-rcnn源码：https://github.com/endernewton/tf-faster-rcnn ，解压

1.下载VOCdevkit文件，解压,改名为VOCdevkit2007。因为用我们自己制作的数据集，里面没用的文件我都删除了。

下载链接       提取码：wopy

复制到tf-faster-rcnn/文件夹下。

2.将上一篇博文制作好的数据集，放在文件夹VOCdevkit2007，然后文件夹结构如下图。（其实也可以通过创建链接的方式）

3.下载权值文件，百度云vgg_16   提取码：upw0, 解压。

划分训练集和测试集

新建一个.py文件(我在tf-faster-rcnn文件夹下)-->执行此py文件。会在VOCdevkit2007/VOC2007/ImageSets/Main下生成4个txt文件。注意文件路径，根据自己情况修改。

#create_4_txt.py

import os
import random

trainval_percent = 0.7
train_percent = 0.7
xmlfilepath = 'data/VOCdevkit2007/VOC2007/Annotations'  #自行修改
txtsavepath = 'data/VOCdevkit2007/VOC2007/ImageSets/Main'   #自行修改
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num*trainval_percent)
tr = int(tv*train_percent)
trainval = random.sample(list,tv)
train = random.sample(trainval,tr)

ftrainval = open(txtsavepath+'/trainval.txt', 'w')
ftest = open(txtsavepath+'/test.txt', 'w')
ftrain = open(txtsavepath+'/train.txt', 'w')
fval = open(txtsavepath+'/val.txt', 'w')

for i in list:
    name = total_xml[i][:-4]+'\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest .close()
print('Well Done！！！')

其实生成的就是一些图片文件名，分别用于训练和测试。

 

修改源码文件

0.进入tf-faster-rcnn\lib文件夹下，make一下

cd ~/tf-faster-rcnn/lib   #文件路径，执行修改
make

1.tf-faster-rcnn\data下创建文件夹imagenet_weights，将解压的权值文件vgg16.ckpt（vgg_16.ckpt改名为vgg16.ckpt）拷贝进imagenet_weights。(当然，你也可以修改tf-faster-rcnn\experiments\scripts\train_faster_rcnn.sh中，--weight参数)

2.修改tf-faster-rcnn\experiments\scripts\train_faster_rcnn.sh

数据集是用的pascal_voc，所以我们修改pascal_voc条件下的参数，ITERS为迭代次数，根据情况自定义，

相应的，test_faster_rcnn.sh文件中，ITERS也要进行修改，不然后面测试会报错。

3.修改tf-faster-rcnn\lib\datasets\pascal_voc.py

根据自己的检测分类情况去改，我检测5类，分别为凹坑、划痕、。。。（英语不太好表达，直接用拼音，），注意

‘__background__’要保留。

4.修改 tf-faster-rcnn/lib/datasets/voc_eval.py的第121行，

with open(cachefile,'w') as f

改成：

with open(cachefile,'wb') as f

第105行的

  cachefile = os.path.join(cachedir, '%s_annots.pkl' % imagesetfile)

改成：

cachefile = os.path.join(cachedir, '%s_annots.pkl' % imagesetfile.split("/")[-1].split(".")[0])

4.删除缓存

在开始训练之前，需要把cache删除掉，分别在tf-faster-rcnn/data/cache和tf-faster-rcnn/data/VOCdevkit2007/annotations_cache路径下，（首次训练没有，可不管）。

如果是重新开始训练，删除tf-faster-rcnn/output/vgg16/voc_2007_trainval/default路径下所有文件

如果是接着之前的结果继续训练，就不用删除。

终端输入命令，开始训练。。。。

cd ~/tf-faster-rcnn   #路径执行修改
./experiments/scripts/train_faster_rcnn.sh 0  pascal_voc vgg16

训练是一个漫长的过程。。。

训练结束后，会自动调用train_faster_rcnn.sh进行测试。日志文件保存在experiments/logs文件夹下，可随时查看记录。

我只简单迭代了500次，试试效果。

训练阶段完毕！

下一篇，demo测试（其实很简单），待续。