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

　　

　　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。

 

 

 

【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。

 

 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。

 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。

 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。

 

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

【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 

　　

　　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。

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；

 

　　3、设置测试图片路径

　　4、运行

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

更多资源获取，请关注公总号RaoRao1994