tensorflow对象检测框架
Tensorflow自从发布了object detection API这套对象检测框架以来,成为很多做图像检测与对象识别开发者手中的神兵利器,因为他不需要写一行代码,就可以帮助开发者训练出一个很好的自定义对象检测器(前提是有很多标注数据)。我之前曾经写过几篇文章详细介绍了tensorflow对象检测框架的安装与使用,感兴趣可以看如下几篇文章!
但是在windows下安装tensorflow对象检测框架并进行训练初学者需要跨越两个大坑
VOC数据生成
制作VOC2012数据集并生成tfrecord。生成VOC格式的数据集,需要运行如下脚本文件
create_pascal_tf_record.py
才会生成tfrecord,但是基于自定义数据集,一运行脚本时候就会得到下面的错误:
原始代码
examples_path = os.path.join(data_dir, year, 'ImageSets', 'Main',
'aeroplane_' + FLAGS.set + '.txt')
修改为:
examples_path = os.path.join(data_dir, year, 'ImageSets', 'Main',
+ FLAGS.set + '.txt')
或者
examples_path = os.path.join(data_dir, year, 'ImageSets', 'Main',
'自定义类别名称' + FLAGS.set + '.txt')
然后开始执行创建VOC数据集脚本即可正常生成tfrecord。
训练阶段
执行如下命令行开始训练
但是一般情况会遇到如下一个很典型的错误
这个时候需要修改model_lib.py文件
category_index.values()
改为:
list(category_index.values())
图示如下:
然后就会很成功的开始训练拉,但是这个时候训练时静默模式的,没有log输出到控制太,作为码农一般都有日志强迫症,所以最后在model_main.py中导出部分之后添加一行代码:
tf.logging.set_verbosity(tf.logging.INFO)
图示如下:
然后重新执行训练就会看到有LOG输出,最终训练到指定step会自动停止,通过下面命令行即可导出生成PB文件
竹密不妨流水过
山高不碍白云飞