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 >使用TensorFlow一步步进行目标检测(3)

使用TensorFlow一步步进行目标检测(3)

作者头像
云水木石
发布2019-07-01 11:37:20
4920
发布2019-07-01 11:37:20
举报
文章被收录于专栏:大龄程序员的人工智能之路

本文翻译自Medium上的文章:Step by Step TensorFlow Object Detection API Tutorial — Part 3: Creating Your Own Dataset,原文地址:https://medium.com/@WuStangDan/step-by-step-tensorflow-object-detection-api-tutorial-part-3-creating-your-own-dataset-6369a4d30dfd

进行到这一步,我们已选择了预训练模型,并将现有数据集转化为单个TFRecord文件。但是,如果我们找到的数据集与即将使用的目标检测模型不完全匹配,而我们希望获得最佳效果,该怎么办? 更极端的时候,我们可能无法找到任何合适的数据集?

接下来,我们来创建自己的数据集。

在这一系列教程中,我一直在尝试构建一个能够判别交通灯状态的目标检测模型。我开始使用的预训练模型仅能判断图像中是否有交通灯,而无法判断信号灯是绿色、黄色还是红色。接下来我找到了Bosch Small Traffic Lights Dataset,这似乎完全符合我的需求。然而,在博世数据集上训练出模型之后,在实际的环境中表现不错,但不是特别好(如下所示)。因此,我决定创建自己的数据集,争取进一步提升模型的性能。

LabelImg

LabelImg是一个非常容易使用的图像标注工具。市面上还有许多其它工具可选,但LabelImg似乎是最受欢迎的!

要在系统中安装它,请打开终端窗口:

代码语言:javascript
复制
git clone https://github.com/tzutalin/labelImg.git

下载后,请根据系统Python版本对应的安装说明进行操作。对于Python 3而言,执行如下命令(确保您位于刚刚克隆的文件夹中):

代码语言:javascript
复制
sudo apt-get install pyqt5-dev-tools
sudo pip3 install lxml
make qt5py3

启动程序:

代码语言:javascript
复制
python labelImg.py

一旦进入程序,会发现它的界面很直观,很容易使用。我们只需打开要标注的图像目录,选择保存目录,然后开始标注即可!

值得一提的是,LabelImg以与PASCAL VOC数据集相同的格式保存标注图片。正如前一篇文章中所提到的,这意味着TensorFlow已经提供了一种基于此格式轻松生成TFRecord文件的方法。

此时我们有一个预先训练过的模型和两个数据集,下一篇文章我将向您展示如何开始训练模型!

相关文章
  1. 使用TensorFlow一步步进行目标检测(1)
  2. 使用TensorFlow一步步进行目标检测(2)
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-07-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 云水木石 微信公众号,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
  • LabelImg
  • 相关文章
相关产品与服务
图像识别
腾讯云图像识别基于深度学习等人工智能技术,提供车辆,物体及场景等检测和识别服务, 已上线产品子功能包含车辆识别,商品识别,宠物识别,文件封识别等,更多功能接口敬请期待。
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