【干货】圣诞老人是否真实存在?训练Tensorflow的对象检测API能够告诉你答案

背景:最近我们看到了一篇文章,关于如何用于你自己的数据集,训练Tensorflow的对象检测API。这篇文章让我们对对象检测产生了关注,正巧圣诞节来临,我们打算用这种方法试着找到圣诞老人。

  • 文章地址:https://medium.com/towards-data-science/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9

代码在下面的地址中。从这段代码中生成的模型可以扩展,以发现其他类别的角色是动画还是真实的。

  • 地址:https://github.com/turnerlabs/character-finder

正在活动的圣诞老人

收集数据 与任何机器学习模型一样,数据是最重要的方面。因为我们想要找到不同类型的圣诞老人,我们的训练数据必须是多样化的。为了收集数据,我们编写了一个流处理器,它使用VLC(多媒体播放器)从任何在线资源流播放视频,并从中捕获帧。流处理器在视频中捕获帧,而不需要等待视频加载。如果当前播放的视频是2秒,那么流处理器将从4或5秒的标记中捕获帧。作为额外的奖励,你可以在ASCII观看视频,这是观看视频的最酷的方式。

  • 流处理器的使用说明:https://github.com/turnerlabs/stream-processor

在ASCII上圣诞老人冲浪的视频

下面是我们收集的不同类型的圣诞老人照片的一小部分。所有这些图片都是从YouTube上收集的。正如你所看到的,有不同类型的动画版和真人版圣诞老人。

不同种类的圣诞老人

给数据贴标签 下一步是给数据贴上标签,比如在圣诞老人的脸上画一个边界框。图像标记的一个常见选择是使用工具贴标签,但是我们使用了“辛普森一家的角色识别和检测(第2部分)”这篇文章中出现的自定义脚本。

  • 文章地址:https://medium.com/alex-attia-blog/the-simpsons-characters-recognition-and-detection-part-2-c44f9d5abf37

要给图像贴上标签,先点击人物面部的左上角,然后再点击右下角。如果图像中没有出现人物角色,双击相同的点并删除图像。

  • 脚本的代码:https://github.com/turnerlabs/character-finder/blob/master/detect_labels.py

创建Tensorflow记录文件 一旦边界框信息存储在一个csv文件中,下一步就是将csv文件和图像转换为一个TF记录文件,这是Tensorflow的对象检测API使用的文件格式。将csv文件转换为TF记录的脚本可以在下面地址中找到。

地址:https://github.com/turnerlabs/character-finder/blob/master/object_detection/create_characters_tf_record.py

还需要一个protobuf(可扩展的序列化结构数据格式)文本文件,用于将标签名转换为数字id。对于我们的实例,它只是一个类。

item {
id: 1
Name: santa
}

创建配置文件 对于训练,我们使用faster_rcnn_inception_resnet配置文件作为基础。我们将配置文件中的类参数更改为1,因为我们只有一个类——“圣诞老人(santa)”,并将输入路径参数更改指向我们在上一步中创建的TFrecord文件。我们使用了预先训练过的检查点用作faster_rcnn_inception_resnet配置文件。我们使用这个模型是因为模型的准确性比模型训练的速度更重要。还有其他一些提供不同训练速度和准确性的模型,可以在下面这个地址中找到。

  • https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

训练 训练代码是在本地计算机上运行的,以检查是否一切都在正常工作。一旦它在正常的工作,它就会被部署到Google云平台的ML引擎上。该模型接受了超过10万步长的训练。

  • ML引擎:https://cloud.google.com/ml-engine/

动画版圣诞老人

这个模型对动画和真人的图片都很有效果。

真人版圣诞老人

输出模型 训练结束后,该模型被导出用于在不同图像上进行测试。为了导出模型,我们选择了从训练工作中获得的最新的检查点,并将其输出到一个冻结的推理图中。

  • 将检查点转换为冻结推理图的脚本:https://github.com/turnerlabs/character-finder/blob/master/object_detection/export_inference_graph.py

我们还为我们的模型建立了一个网页,网页从google搜索中提取图像,并试图在还原的图像中找到圣诞老人。这个网页的结果被过滤了,只显示了超过60%的置信度。下图是网页的快照。

我们发现了圣诞老人! !

下一个步骤 当训练工作开始的时候,我们注意到总损失很快就降到1以下,这就意味着这个模型在寻找圣诞老人方面做得很好。

总损失

我们知道我们的模式不可能变得完美。虽然该模型在准确地找到圣诞老人方面做得相当不错,我们也得到了错误的判断。错误的判断对于这种情况来说是指,图像中没有圣诞老人,但模型却预测图像中会有。

错误的判断

结论 在使预测变得更准确和减少错误判断的数量上,还有很大的改进空间。接下来的步骤是了解更多关于配置文件中不同参数的信息,并更好地了解它们如何影响模型的训练及其预测。我们希望你现在能够为你自己的数据集训练对象检测器。

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2017-12-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

教程 | 如何用TensorFlow在安卓设备上实现深度学习推断

3415
来自专栏大数据挖掘DT机器学习

二维机器学习测试数据生成

最近在看机器学习,讲的是线性回归和逻辑回归的内容 当然就难免写点代码来进行实验,总喜欢自己做一些数据而不只是写一个原函数再加上噪声 毕竟自己点点点出来然后得到学...

27810
来自专栏CVer

【重磅】吴恩达最新的机器学习书籍更新啦!

Amusi曾于2018年4月5日推送了重磅:吴恩达最新的机器学习书籍《Machine Learning Yearning》,当时Amusi收到了一封邮件,如下所...

872
来自专栏CVer

开源 | 深度学习网络模型(model)可视化开源软件Netron

前两天,Amusi分享了一篇 经典卷积神经网络(CNN)结构可视化工具,该工具可用于可视化各种经典的卷积神经网络结构。如AlexNet、VGG-16、ResNe...

673
来自专栏量子位

TensorFlow 1.9.0正式版来了!新手指南全新改版,支持梯度提升树估计器

812
来自专栏计算机视觉战队

实战——目标检测与识别

最近总是有很多入门的朋友问我,我进入计算机视觉这个领域难不难?是不是要学习很多知识?到底哪个方向比较好?。。。。。这些问题其实我也不好回答他们,只能衷心告诉他...

2705
来自专栏数据派THU

机器学习和深度学习视频资料精选(附学习资料)

来源:大数据挖掘DT数据分析 本文长度为633字,建议阅读3分钟。 本文为你介绍机器学习和深度学习的视频资料。 第一部分 基础语言 pandax视频教程链接: ...

4888
来自专栏AI研习社

可应用的目标检测代码来了,一秒锁定你

计算机视觉是人工智能的一个重要领域。计算机视觉是一门关于计算机和软件系统的科学,可以让计算机对图像及场景进行识别和理解。计算机视觉还包括图像识别、目标检测、图像...

581
来自专栏编程

安卓手机如何玩转动作手势检测?有TensorFlow就够了,附实用教程

? 原文来源:Lemberg Solutions Ltd 作者:Zahra Mahoor、Jack Felag、 Josh Bongard 编译:嗯~阿童木呀...

2117
来自专栏梦里茶室

Google机器学习教程心得(二)决策树与可视化

Visualizing a Decision Tree Google Machine Learning Recipes 2 官方中文博客 http://ch...

1839

扫描关注云+社区