retinanet训练部分
用resnet101预训练模型,保留主干网络:
python keras_retinanet/bin/train.py --steps 3500 --backbone resnet101 --batch-size 4 --freeze-backbone --image-min-side 400 --image-max-side 666 csv keras_retinanet/CSV/train_annotations.csv keras_retinanet/CSV/classes.csv --val-annotations keras_retinanet/CSV/val_annotations.csv
用预训练模型继续训练:
python keras_retinanet/bin/train.py --steps 3500 --weights snapshots/resnet50_coco_best_v2.1.0.h5 --batch-size 4 --image-min-side 400 --image-max-side 666 csv keras_retinanet/CSV/train_annotations.csv keras_retinanet/CSV/classes.csv --val-annotations keras_retinanet/CSV/val_annotations.csv
retinanet评估部分运行记录
在kerans版本的retinanet评估部分运行出现很多的问题,主要是参数该怎么设置的问题,运行的命令:
python keras_retinanet/bin/evaluate.py csv keras_retinanet/CSV/val_annotations.csv keras_retinanet/CSV/classes.csv snapshots/resnet101_csv_02.h5 --convert-model
- csv: dataset_type的方式,这里有三种,coco,pascal,cav,根据自己的情况选择
- keras_retinanet/CSV/test_annotations.csv :annotations地址,测试集的csv文件。
- keras_retinanet/CSV/classes.csv:classes地址,指定具体的分类和ID对应关系的csv文件
- snapshots/resnet50_csv_09.h5:训练好的模型
- –convert-model:转换模型的开关,不加这个会出现ValueError: not enough values to unpack (expected 3, got 2)