【TensorFlow学习笔记】目标识别篇（五）：基于Faster-rcnn-tensorflow-python3.5-master打造属于自己的物体检测模型

一、环境配置

win10系统，显卡GeForce GTX 960M；
TensorFlow-gpu 1.13.0-rc2，CUDA 10.0，Cudnn 7.4.2；
python 3.6

Tensorflow-gpu是在windows PowerShell里用pip安装的，同时安装一些必要的库：cython、easydict、matplotlib、python-opencv等，可直接使用pip安装或者下载相应的.whl离线文件安装。

• Faster RCNN下载

下载地址https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.5

下载完成后，项目的根目录为：Faster-RCNN-TensorFlow-Python3.5-master

cd到Faster-RCNN-TensorFlow-Python3.5-master\data\coco\PythonAPI目录下，打开cmd，运行编译提供的代码：

python setup.py build_ext --inplace
python setup.py build_ext install

二、准备数据集

图片分辨率500x350
训练模型部分：
需要更改的主要有以下地方：

1.在…\Faster-RCNN\data目录下，检查是否有个叫cache的文件夹，每次在训练模型前，建议清空这个文件夹里面的东西。

2.在…\Faster-RCNN\data目录下，将VOCDevkit2007替换成自己的数据集。（如果有需要，以后我在写如何制作自己的VOC数据集）

3.在…\Faster-RCNN\lib\config目录下，有个config.py文件，可以设置一些参数，比如learning_rate、max_iters、batch_size、step_size等等，这个可以根据自己需求改。比如，显卡性能一般的话，可以适当降低batch_size，觉得默认设置的max_iters迭代次数不够的话，可以改成七万等。

4.在…\Faster-RCNN\lib\datasets目录下，有pascal_voc.py文件，这个是必须要更改的，代码中 self._classes要来指定识别的类别，如下所示

三、模型下载

• VGG16模型的下载地址：http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz，也可去百度云盘下载，
  链接：https://pan.baidu.com/s/11Ty10NJ-rgXkkvM92SVVKw ，提取码：d2jz
  下载完后解压，文件重命名为vgg16.ckpt，如图2所示。新建文件夹imagenet_weights，把vgg16.ckpt放到imagenet_weights下，再将imagenet_weights文件夹复制到data文件夹下。文件夹目录：
  Faster-RCNN-TensorFlow-Python3.5-master\data\imagenet_weights\vgg16.ckpt

• resnet模型下载

四、 训练模型

训练模型的参数可以在Faster-RCNN-TensorFlow-Python3.5-master\lib\config文件夹里的config.py修改，包括训练的总步数、权重衰减、学习率、batch_size等参数。

tf.app.flags.DEFINE_float('weight_decay', 0.0005, "Weight decay, for regularization")
tf.app.flags.DEFINE_float('learning_rate', 0.001, "Learning rate")
tf.app.flags.DEFINE_float('momentum', 0.9, "Momentum")
tf.app.flags.DEFINE_float('gamma', 0.1, "Factor for reducing the learning rate")
 
tf.app.flags.DEFINE_integer('batch_size', 128, "Network batch size during training")
tf.app.flags.DEFINE_integer('max_iters', 40000, "Max iteration")
tf.app.flags.DEFINE_integer('step_size', 30000, "Step size for reducing the learning rate, currently only support one step")
tf.app.flags.DEFINE_integer('display', 20, "Iteration intervals for showing the loss during training, on command line interface")
 
tf.app.flags.DEFINE_string('initializer', "truncated", "Network initialization parameters")
tf.app.flags.DEFINE_string('pretrained_model', "./data/imagenet_weights/vgg16.ckpt", "Pretrained network weights")
 
tf.app.flags.DEFINE_boolean('bias_decay', False, "Whether to have weight decay on bias as well")
tf.app.flags.DEFINE_boolean('double_bias', True, "Whether to double the learning rate for bias")
tf.app.flags.DEFINE_boolean('use_all_gt', True, "Whether to use all ground truth bounding boxes for training, "
                                                "For COCO, setting USE_ALL_GT to False will exclude boxes that are flagged as ''iscrowd''")
tf.app.flags.DEFINE_integer('max_size', 1000, "Max pixel size of the longest side of a scaled input image")
tf.app.flags.DEFINE_integer('test_max_size', 1000, "Max pixel size of the longest side of a scaled input image")
tf.app.flags.DEFINE_integer('ims_per_batch', 1, "Images to use per minibatch")
tf.app.flags.DEFINE_integer('snapshot_iterations', 5000, "Iteration to take snapshot")

参数调整完后，在Faster-RCNN-TensorFlow-Python3.5-master的目录下，运行 python train.py，就可以训练