使用 TensorFlow.js 在浏览器中自定义目标检测

目标检测是一类检测目标在图像中的位置，以及在给定图像中对每个感兴趣的目标进行分类的任务。在计算机视觉领域，我们可将此技术应用于图片检索、监控摄像头和无人驾驶汽车中

就目标检测而言，深度卷积神经网络 (DNN) 家族中最负盛名的算法就是 YOLO (You Only Look Once)。

在本文中，我们将使用 TensorFlow 开发一种端到端解决方案， 用以在 Python 中训练自定义目标检测模型，然后将其投入生产，并通过 TensorFlow.js 在浏览器内运行实时推理。

• 项目代码库
  https://github.com/hugozanini/TFJS-object-detection

本文的内容将分为以下四个步骤讲述：

目标检测流水线

准备数据

要想训练出优秀的模型，第一步便是获取优质数据。开发此项目时，我并未找到合适（并且足够小）的目标检测数据集，因此我决定自行创建。

我环顾四周，看到了卧室中的袋鼠标志，这是我为纪念在澳大利亚的生活而带回来的纪念品。于是，我决定构建一个袋鼠检测器。

为构建数据集，我使用图片搜索工具搜索并下载了 350 张袋鼠图像，并使用 LabelImg 应用手动标记了所有图像。由于每张图像中不止有一只袋鼠，所以我最后标记了 520 只袋鼠。

标记示例

• LabelImg
  https://github.com/tzutalin/labelImg

在本例中，我只选择了一个类别，但我也可以使用软件为多种类别添加注释。接下来是为每张图像生成包含所有注释和边界框的 XML 文件（Pascal VOC 格式）。

    images
    kangaroo-0.jpg
    /home/hugo/Documents/projects/tfjs/dataset/images/kangaroo-0.jpg
  
    Unknown
  
  
    3872
    2592
    3
  
  0
  

XML 注释示例

为了方便转换为 TF.record 格式（如下方所示），我之后将上述计划的 XML 文件转换为了两个 CSV 文件，其中包含在训练和测试 (80%-20%) 中已拆分的数据。这些文件有 9 列内容：

• 文件名：图像名

• 宽度：图像宽度

• 高度：图像高度

• 类别：图像类别（袋鼠）

• xmin：边界框 x 坐标的最小值

• ymin：边界框 y 坐标的最小值

• xmax：边界框 x 坐标的最大值

• ymax：边界框 y 坐标的最大值

• 来源：图像来源

借助 LabelImg 可以十分便捷地创建自己的数据集，但也欢迎直接使用我的袋鼠数据集，我已将其上传至 Kaggle。

• 袋鼠数据集
  https://www.kaggle.com/hugozanini1/kangaroodataset

训练模型

有了优质的数据集，下面就该考虑模型的问题了。TensorFlow 2 所提供的目标检测 API 能让我们轻松构建、训练，以及部署目标检测模型。在本项目中，我们将采用此 API，并使用 Google Colaboratory Notebook 训练模型。本部分的剩余内容将解释如何设置环境、选择模型以及开展训练。如果您想直接跳转至对应案例的 Colab Notebook，请访问此处。

• 目标检测 API 
  https://github.com/tensorflow/models/tree/master/research/object_detection

• Google Colaboratory Notebook 
  https://colab.research.google.com/drive/1dyuGpeLh1K4rqOkxELLTTlSqhfbTnFac?usp=sharing

• 此处
  https://colab.research.google.com/drive/1MdzgmdYJk947sXyls45V7auMPttHelBZ?usp=sharing

设置环境

创建一个新的 Google Colab Notebook，然后选择 GPU 作为硬件加速器：

Runtime > Change runtime type > Hardware accelerator: GPU

• 创建
  https://colab.research.google.com/

克隆、安装，以及测试 TensorFlow 目标检测 API：