前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Tensorflow 迁移学习 识别中国军网、中国军视网Logo水印

Tensorflow 迁移学习 识别中国军网、中国军视网Logo水印

作者头像
birdskyws
发布2018-09-12 15:48:02
1.4K0
发布2018-09-12 15:48:02
举报
文章被收录于专栏:一英里广度一英寸深度的学习

Tensorflow 目标检测项目

图片logo水印识别。识别中国军网、中国军视网Logo水印。

image

image

Step 0 下载项目

代码语言:javascript
复制
git clone https://github.com/tensorflow/models/tree/master/research/object_detection

Step 1 在将项目目录添加到PYTHONPATH

作者bourdakos1整合了tensorflow中的object-detection和slim两个子项目。 设置环境,把当前目录、slim、object_detection 三个目录加到环境变量PYTHONPYTHON。

代码语言:javascript
复制
export PYTHONPATH=/root/workspace/Custom-Object-Detection:/root/workspace/Custom-Object-Detection/slim:/root/workspace/Custom-Object-Detection/object_detection:$PYTHONPATH

Step 2 安装labelImg标注数据

代码语言:javascript
复制
#如果提示缺少组件,逐步安装
pip install labelImg
# 启动
labelImg

Step 3 标注数据

labelImg标注图片,生成xml文件。

  1. /images目录下保存图片文件。
  2. /annotations/label_map.pbtxt,logo标识配置文件:设置军网logo为pic1,军视网logo为pic2。
  3. /annotations/trainval.txt,训练图片列表
  4. /annotations/xmls,保存标注xml文件。

Step 4 转化训练的图片生成record文件

创建好标注文件后,运行下面的文件。

代码语言:javascript
复制
python object_detection/create_tf_record.py
# 运行上面的命令,在项目上生成train.record,val.record两个文件

Step 5 选择网络

作者给出里5种网络结构,本次选用faster_rcnn_reset101。网络性能特点如下表,

Model name

Speed

COCO mAP

Outputs

ssd_mobilenet_v1_coco

fast

21

Boxes

ssd_inception_v2_coco

fast

24

Boxes

rfcn_resnet101_coco

medium

30

Boxes

faster_rcnn_resnet101_coco

medium

32

Boxes

faster_rcnn_inception_resnet_v2_atrous_coco

slow

37

Boxes

Step 6 迁移学习

需要两个文件,(1)config文件和(2)model.ckpt文件。

  • config文件在路径object_detection/samples/configs/下,包含多种网络,config文件中描述了网络参数、训练参数等配置。
  • 下载model文件,解压后将model.ckpt开头的三个文件保存在项目根目录下。下载链接在上表中。

Step 7 训练模型

只需要指明config文件,默认加载根目录下的model.ckpt文件

代码语言:javascript
复制
python object_detection/train.py \
        --logtostderr \
        --train_dir=train \
        --pipeline_config_path=faster_rcnn_resnet101.config

在训练的过程中,会将模型参数保存到train目录下。

Step 8 生成模型,导出图

将train目录下生成的model.ckpt-数字三个文件拷贝到项目根目录,运行命令

代码语言:javascript
复制
python object_detection/export_inference_graph.py \
        --input_type image_tensor \
        --pipeline_config_path faster_rcnn_resnet101.config \
        --trained_checkpoint_prefix model.ckpt-数字 \
        --output_directory output_inference_graph

Step 9 测试

将测试文件放在test_images路径下,运行

代码语言:javascript
复制
python object_detection/object_detection_runner.py
# 结果保存在output文件夹下

Step 10 GPU训练

基于阿里云GN4型服务器1个NVIDIA M40 GPU,训练6000轮,最终得到了较好的识别效果。

image

Step 11 问题

深度神经网络识别Logo水印,方法简单,构建较小数据集,而且训练时间也不是很长。

但预测时间比较长,模型比较大,下一步改用mobilenet,希望能将预测时间降到0.1秒。

如果使用YOLO,模型算法上会比rcnn更快。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018.07.09 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • Tensorflow 目标检测项目
  • 图片logo水印识别。识别中国军网、中国军视网Logo水印。
    • Step 0 下载项目
      • Step 1 在将项目目录添加到PYTHONPATH
        • Step 2 安装labelImg标注数据
          • Step 3 标注数据
            • Step 4 转化训练的图片生成record文件
              • Step 5 选择网络
                • Step 6 迁移学习
                  • Step 7 训练模型
                    • Step 8 生成模型,导出图
                  • Step 9 测试
                    • Step 10 GPU训练
                      • Step 11 问题
                      领券
                      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档