tensorflow object detection API 使用记录2

使用API训练自己的数据

---

说明

本文仍然使用谷歌API提供的网络模型框架，有了框架，现在要解决的是如何让网络训练自己的数据，而数据要提供两个东西给配置文件：一是对应的TFrecord文件，二是对应的.pbtxt文件

• .pbtxt文件：很简单，照着object_detection/data文件夹下的示例写就好了，注意id: 0代表背景，自己的类别对应的id应为非0数

• TFrecord文件：那么如何得到TFrecord文件，官网提供了转换TFrecord文件的小demo: preparing your inputs，思路大概就是通过tf.train.Features写到tf.train.Example中，然后就可以写到一个TFrecord文件中， 但是这个小demo只是一张图片的例子，要整合自己的数据让他一起转换总感觉好麻烦（最重要的是数据还要自己标定！！！），所以怎么做哩，该API又提供了已经写好的两个转换TFrecord的文件（记录1里面用过），一个是对VOC数据转，一个是对pet数据转，所以考虑将自己的数据标定成这些有现成代码的形式就行了。好在VOC数据格式有现成的标定工具LabelImg：工具github（但标的还是好想吐）

该工具有一点要注意的地方，最新版本的不知道改没改，具体见github以及实际使用情况啦，这里推荐一个将自己的数据集转成VOC数据格式的博客，写的超详细，就不再赘述：好博客

实际使用

将自己的数据准备好之后，就可以按照官方的使用示例，利用现有代码：create_pascal_tf_record.py转换成TFrecord文件，然后改好模型的配置文件里面的路径就可以开始训练了

• 要改的有相关的路径，以及类别数

  但是实际的使用中，还是因为数据出了一点问题，记录如下：

• 转TFrecord的时候报找不到图片的错：

  查找原因发现是因为：在生成TFrecord文件的时候，利用了annotation中xml文件的Folder关键字去遍历图片，由于我自己标定数据的Folder关键字与VOC数据存放的文件夹格式不匹配，所以出错了，在宿舍没有图片展示下，贴下相关代码好了：

  

  所以干脆把data[‘folder’]这里改成了VOC2007，因为我的数据都在这个文件夹下面，视具体情况修改

• 转TFrecord报错找不到关键字difficult

  查看了一下自己用工具生成的xml文件，发现difficult关键字确实不同，工具产生的关键字是大写，所以要么把xml文件中关键字改掉，要么在程序中处理一下，我是在程序中处理一下：

  

  这里把difficult这里改一下，要么找大写的要么找小写的。

• 终于转成功了，但是训练的时候又出错了，总是训练了若干步之后突然停止训练（绝望脸）

  查找原因，在stackoverflow上面有类似问题的说是.pbtxt中标号为0的问题，联系我自己的.pbtxt文件，我因为只做一类物体的检测，这一类物体在VOC的类别里面有，所以我将VOC的那个.pbtxt文件的其他我不要的类别都设成了0， 但好像就是这样导致出问题了，因为我用的数据除了自己找的数据，还把VOC数据里面相关的都用了，而在这些数据里，可能有其他类别的标注信息，而我又将这些框的id对应到了0，这些框有ground truth但id又是背景（貌似产生矛盾），反正就这样报错了，最后我采取在程序中改代码，只要不是我需要的类别就不把它写到TFrecord文件中去（很简单，通过name关键字判断跳过与否即可），就避免了出错，最后终于正常训练了。

总结

目录下的create_pascal_tf_record.py文件还是很值得好好看一下，本文涉及到的程序就只是这一个啦。