利用Tensrflow下的object detection api进行水面垃圾检测

最新推荐文章于 2024-08-25 21:26:50 发布

Boom_1

最新推荐文章于 2024-08-25 21:26:50 发布

阅读量2.6k

点赞数 4

分类专栏：深度学习起步

本文链接：https://blog.csdn.net/Boom_1/article/details/84790480

版权

本文介绍了如何利用TensorFlow的Object Detection API进行水面垃圾检测。首先，通过labelImage工具完成数据标注，将数据集划分为train、test、validation，并生成csv和tfrecord文件。接着，配置label_map.pbtxt和ssd_inception_v2_coco.config文件，特别是调整num_classes、fine_tune_checkpoint等参数。训练时，可以选择预训练模型并修改相关路径。训练完成后，导出模型并进行测试，测试结果受限于数据集质量。

摘要由CSDN通过智能技术生成

object detection这个接口需要配置好之后才可以开始训练，我的项目下的文件夹格式是这样的：
文件夹图片
首先做数据集准备，采用labelImage进行数据标注，标注后的xml文件存放到merged_xml中。然后将数据集划分为三部分，train，test，validation（这三部分是annotations文件夹下）。将所有经过标注的xml文件转换为csv文件，再生产tfrecord文件（所有的csv文件和tfrecord文件都在data文件夹下）。具体数据集制作可以参考下面这篇文章：https://blog.csdn.net/w5688414/article/details/78970874
然后开始训练准备，训练时需要两个文件，label文件和config文件，都在traing文件夹下，如果需要在预先训练好的模型基础上开始训练，可以下载已有的模型也放在traing文件夹下。traing文件夹内容如下：