使用SSD训练自己的模型（从图片标注开始）

此文章参考了https://blog.csdn.net/zzZ_CMing/article/details/81131101  在此表示感谢，如果有侵权的地方可联系本人删除

训练手表模型步骤

未经允许禁止转载

• 制作数据集

1. 在项目下面新建文件夹VOC2007，在此文件夹下新建3个文件夹，如下图

 

JPEGImages：用于存放训练、测试的图片（图片格式最好为.jpg）

Annotations：用于存放.xml格式的文件，也就是图片对应的标签，每个.xml文件都对应于JPEGImages文件夹的一张图片

ImageSets：内含Main文件夹，在…/ImageSets/Main文件夹下包含test.txt、train.txt、val.txt、trainval.txt四个文件，生成的方式对此有详细说明

2、制作自己的数据集

第一步：下载图片，存入JPEGImages文件夹中，命名为“00xxxx.jpg”

第二步：使用LabelImg工具给图片打标签

 

第4个小步骤保存，生成.xml文件，存入Annotations文件夹里

 

第三步：生成Main文件夹里的几个.txt文件，在Main文件夹里新建python文件如下

3、用.xml文件，生成.tfrecord文件在后面介绍

 

 

二、SSD训练模型并测试

1、下载SSD框架并解压

2、在解压出来的主目录下依次创建tfrecords_（存储.tfrecords文件）、train_model（存储训练模型）文件夹，继续使用一中的VOC2007文件夹

 

 

3、下面介绍如何生成.tfrecords文件

第一步：打开datasets文件夹中的pascalvoc_common.py文件，修改成自己的标签，对应前面打标签的.xml文件，前面标签时用的watch，此处一致

 

第二步：修改读取个数和读取方式，打开datasets文件夹中的pascalvoc_to_tfrecords.py

• 修改67行SAMPLES_PER_FILES的个数；
• 修改83行读取方式为'rb'；
• 如果你的文件不是.jpg格式，也可以修改图片的类型；
• 
• 

 

第三步：生成.tfrecords文件，在SSD模型中打开tf_convert_data.py文件，

依次点击：run、Edit Configuration，在Parameters中填入以下内容（配置运行需要的参数），再运行tf_convert_data.py文件

 

运行后在tfrecords_文件夹中可以看到生成的tfrecords文件

 

4、利用生成的tfrecords文件训练模型

（1）根据要训练的模型修改训练数据，在训练模型时会用到

第一步：修改训练数据

打开datasets文件夹中的pascalvoc_2007.py将num_classes=类别数修改为NUM_CLASSES = 1

TRAIN_STATISTICS数值修改，数据集由20张图片、每张图片包含一个手表，所以修改为

第二步：修改类别个数，打开nets文件夹中的ssd_vgg_300.py文件，根据自己训练类别修改96和97行
第三步：同第二步修改类别个数，打开eval_ssd_network.py文件，修改66行类别个数

第四步：修改训练步数epoch，打开train_ssd_network.py文件

• 修改27行的数据格式，改为'NHWC'；
• 修改135行的类别个数：等于类别数+1；
• 修改154行训练总步数，None会无限训练下去；
• 说明：60行、63行是关于模型保存的参数；

(2)下载模型，启动训练过程

第一步：下载vgg_16模型，解压后保存在checkpoints文件夹中

第二步：启动训练

打开train_ssd_network.py文件，修改运行参数

运行代码train_ssd_network.py，进入训练，训练后的模型保存在train_model文件夹中

第三步：测试模型