tensorflow object detection API训练公开数据集Oxford-IIIT Pets Dataset

  1. 云栖社区>
  2. OpenCV学堂>
  3. 博客>
  4. 正文

tensorflow object detection API训练公开数据集Oxford-IIIT Pets Dataset

技术小能手 2018-08-29 14:12:41 浏览7495
展开阅读全文

为了避免不必要的麻烦,先说一下我的系统版本

Python 3.6 tensorflow 1.10 windows 7

object detection API安装

object detection API 安装参见官方的github: https://github.com/tensorflow/models/tree/master/research/object_detection

这里需要特别强调一下,一定要检查一下,下面的python的包都安装了,方法很简单,全部执行一遍

7863eed1899b85c3c17c0c3b0389a415f2527211

coco API安装

windows下面不需要--user选项,Oxford-IIIT Pet 数据集使用coco metrix, 所以下面必须执行这个命令行:


  1. pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

在windows下面遇到utf-8编码错误

dcf3e1fa8fe9a5cca0bb513f52107c58899db86e

如下修正:

7f8d93268fdb75d7d6ff5efa85fc40f544f87073

C:\Program Files\Python\Python36\Lib\site-packages\pip\compat\_init_.py

79行改成gbk, utf-8替换为gbk, 不一定是是79行。再次执行即可成功安装

创建训练数据记录tfrecord

下载好Oxford-IIIT Pets Dataset数据集,解压缩到这里

b3277e2f8b8f6ad1e22b2fddd7bed5657d9422c4

然后执行下面的命令行:

43719b4752d98bb509719f568d96e691dd28466f

训练数据成功创建在指定目录:先切换到指定目录,完整的命令行执行


  1. D:\tensorflow\models\research>python objectdetection/datasettools/createpettfrecord.py --labelmappath=objectdetection/data/petlabelmap.pbtxt

  2. --datadir=D:/petdata --output-dir=D:\tensorflow\mytrain\data

  3. 还不会看这里:

  4. https://github.com/tensorflow/models/blob/master/research/objectdetection/g3doc/preparing_inputs.md

迁移学习

这步成功以后,就可以开始执行真正的训练啦,等等,别着急,我们是基于预训练模型的迁移学习,所以还有几件事情必须搞定,

下载预训练的tensorflow模型,我这里下载的是

126fd72ef04cb2670e2e4d89d7f0eef6a537cd62

http://download.tensorflow.org/models/objectdetection/ssdmobilenetv1coco201801_28.tar.gz

解压缩到指定目录,我的完整目录结构如下:

fd4dfd8ba3c30d455abe89638c340da5bbb8896b

其实有+加号的表示目录文件夹, - 表示文件

labelmap file来自 D:\tensorflow\models\research\objectdetection\data\petlabelmap.pbtxt pipeline config file来自 D:\tensorflow\models\research\objectdetection\samples\configs\ssdmobilenetv1pets.config

直接copy过来,然后打开

87bc968ff559a58c8efc1538d4e2890707ae2d44

开始修改,把所有【PATH_TO_BE_CONFIGURED】都改到正确路径上来:

ed8489a4ad38cfc3c5dc11a532eab29fa94ee5dc

保存好啦,然后直接执行训练的命令行:

d2d8054d111f2e2da7231426f91eacdeff21c3ca

各个参数选项解释如下:




--pipelineconfigpath

训练时候配置目录,所有关于训练各种输入路径、参数模型、参数网络配置,都在这个里面。

--modeldir

训练时候会写文件的目录,训练完成输出的模型保存目录

--numtrainsteps

训练多少个steps

--numeval_steps

多少个eval, 基本上两者要相差10倍以上 steps : eval

--alsologtostderr

表示日志信息

如果遇到这个错误

TypeError: can't pickle dictvalues objects

这样修改,打开model_lib.py

D:\tensorflow\models\research\objectdetection

813461ad57615496032b17390360b6ea5c461a41

继续训练就会很OK

启动tensorboard查看训练过程: CPU 太慢了,半天走一个step

4a8d26ce626d56c935f970b1018c0f606b452466


原文发布时间为:2018-08-27

本文作者:gloomyfish

本文来自云栖社区合作伙伴“OpenCV学堂”,了解相关信息可以关注“OpenCV学堂”。

网友评论

登录后评论
0/500
评论
技术小能手
+ 关注
所属云栖号: OpenCV学堂