在Colab上用自己的数据集训练目标检测模型

目标检测模型训练

最近发现一个数据集类型转化神器Roboflow，这个网站提供各种图像预处理，增强，数据集扩充等操作，如图像翻转，随机噪声等，且支持各种类型数据集，并可以任意类型导出，这就让烦人的tfrecord直接out。

网站的博客上还给出了对新手比较友好的示例。下面就由此从制作数据集到训练模型开始操作。

数据集制作

网上提到的数据集制作软件挺多，这里用一个主流的便捷的开源软件labelImg。先在网上手动找一些你想训练的目标，这里我简单地训练了一个识别足球的faster-rcnn，所以就找了十一张图片。这里强调一下图片的数量，由于Roboflow提供了方便的数据扩充操作，所以并不需要采集很多图片。我采集11张直接变成110张。

labelImg标注。

千万注意labelImg所在文件路径中不能包含中文，否则会打不开。打开labellmg后，选择open dir打开你采集图片的文件夹，然后就可以开始标注了
这里选择什么格式都无所谓啦，毕竟后面可以转化，不过还是习惯选择VOC。快捷键提示：w描框 ，d下一张图，ctrl+s保存。

Roboflow数据集处理

进入roboflow的网站，点击create dataset，上传数据集，然后根据情况选择resize、翻转等操作。这里选择把图片resize为416*416以满足后面模型的需要。操作选完后点击generate dataset，这里可能会卡在进度条上，可能是因为服务器问题，多试几次。然后导出数据集，这里可以选择任意格式，以tfrecord为例导出，同时以coco格式导出另一份作为备用

Colab白嫖GPU

点击这里直接进入Colab。这个notebook很详细，一步一步来即可。复制到自己的Colab，在Colab的修改/笔记本设置里设置GPU，然后向下运行
在这里需要添加之前制作的数据集。自己运行的时候是没有红色笔圈出来的部分的，只有一个FYI.txt。在data文件夹下创建这三个文件夹，然后分别右键上传自己的数据集中的对应的那三个文件夹里的.tfrecord和.pbtxt文件

修改上图圈出的部分为自己的数据集的对应名字，然后就没什么地方要改了，一直往下开始训练。我在训练时竟然分配到了Tesla T4 GPU，查了一下某宝，突然觉得有钱真好。。notebook里用到了tensorboard可以直接查看训练进度

测试结果

训练图中会莫名出错，不过没关系，继续训练就行了。测试时，需要把data目录下的test文件夹清空，然后上传你想要测试的图片，这里使用之前另外保存的coco数据集下的test目录中的图片。下面是训练结果

11张图片就搞定一个类别的识别，完美，后续再尝试训练更多的类别。