SSD Tensorflow 训练测试自己的数据集 Jupiter notebook 显示训练结果

最新推荐文章于 2023-11-13 17:12:05 发布
置顶 最新推荐文章于 2023-11-13 17:12:05 发布
阅读量7.6k 收藏 30
点赞数 5
文章标签： SSD 训练 Tensorflow 测试
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/echo_harrington/article/details/81131441
版权
本文提供了一篇详细的SSD TensorFlow训练教程，适合初学者。内容包括：安装Tensorflow-GPU，准备SSD框架，转换和准备自定义数据集，修改代码以适配数据集，生成tfrecord文件，训练模型，测试模型，以及在Jupyter Notebook中显示训练和测试结果。作者分享了训练过程中的经验与技巧，包括解决GPU内存问题和处理黑白图片的转换方法。
摘要由CSDN通过智能技术生成

一份非常简单易懂的SSD tensorflow训练教程，初学者也可以看得懂。当初自学的时候走了很多弯路，所以把自己的经验和踩过的坑分享给大家，如果文中有什么写的不对的地方欢迎大家在评论区和我讨论。

零、前期准备

安装Tensorflow-GPU版本。

 

一、SSD框架准备

从https://github.com/balancap/SSD-Tensorflow 下载、解压。

解压checkpoints文件夹中的zip文件。

 

二、准备自己的数据集

在SSD-Tensorflow-master中创建文件夹： VOC2007，VOCtest

在VOC2007和VOCtest中分别创建：test

在两个test文件夹中分别中创建：Annotations，ImageSets，JPEGImages

其中VOC2007中的Annotations和JPEGImages分别装载训练的标签文件（.xml）和图片文件（.jpg或.jpeg），VOCtes中则装载相对应的测试文件。

可以通过xml_to_txt.py和txt_to_xml.py将label文件转换为txt或xml，python文件下载地址为：

链接: https://pan.baidu.com/s/1H0vOGef6oqrkvty0NHVGgg 密码: tnxm

 

三、修改代码

（1）SSD-Tensorflow-mastet/datasets/pascalvoc_common.py文件中，24-46行，第一类none不要动，其他的类修改为自己数据集的类。

（2）SSD-Tensorflow-master/datasets/pascalvoc_to_tfrecords.py文件中，82行，格式改为相对应的‘.jpg’或‘.jpeg’，83行‘r’改为‘rb’。

67行，修改SAMPLES_PER_FILES为几张图片转为一个tfrecord文件

（3）SSD-Tensorflow-master/nets/ssd_vgg_300.py文件中，96-97行的num_classes和no_annotation_label改为“类别数+1”

最低0.47元/天 解锁文章
宇宙最强懒羊羊
关注
ssd训练自己的数据集
reset2021的博客
07-12 3218
基于SSD实现目标检测（训练自己的数据集）
SSD安装及训练自己的数据集
热门推荐
zhang_shuai12的专栏
08-28 4万+
最近一直在搞object detection玩，之前用的是faster-rcnn，准确率方面73.2%，效果还不错，但是识别速度有点欠缺，我用的GPU是GTX980ti, 识别速度大概是15fps.最近发现SSD(single shot multibox detector) 这篇论文效果和速度都不错，我自己实验了一下，速度确实比faster-rcnn快不少。下面分两部分来介绍。第一部分介绍SSD的安
用SSD框架训练自己的数据集
chris_pei的博客
01-17 1万+
本文介绍如何使用SSD训练自己的数据集，内容包括数据集的转化，使用SSD进行训练 1、VOC数据集的介绍 VOC的数据格式： (1)annotation中保存的是xml格式的label信息 (2)ImageSet目录中Main目录存放的是用于表示训练的图片集合 - train.txt 是用来训练的图片文件的文件名列表  - val.txt是用来验证的图片文件的文件名列表
SSD框架训练自己的数据集
a123333789的博客
08-17 736
SSD demo中详细介绍了如何在VOC数据集上使用SSD进行物体检测的训练和验证。本文介绍如何使用SSD实现对自己数据集的训练和验证过程，内容包括： 1 数据集的标注2 数据集的转换3 使用SSD如何训练4 使用SSD如何测试1 数据集的标注　　　数据的标注使用BBox-Label-Tool工具，该工具使用python实现，使用简单方便。修改后的工具支持多label的标签标注。该...
SSD训练自己的数据集（Pytorch），超详细版！！！！
最新发布
qq_50773198的博客
11-13 1万+
近期开始学习SSD算法啦，从拿到代码的茫然到最后可以跑通自己的代码（本人基础薄弱），已经非常非常开心喽~这篇文章主要介绍一下我的修改过程，以及我训练过程中遇到的问题，可以给大家避避坑，也方便我以后自己使用。那接下来就开始吧~另，在训练中参考的文章标明出处，如有侵权，请联系我删除：【数据集制作】VOC2007格式数据集制作和处理教程(Faster-RCNN模型标准输入)_AI小杨的博客-CSDN博客 SSD pytorch训练自己的数据集（windows+colab） | 码农家园SSD的pytorch实现训
训练CNN时Jupiter notebook内核挂掉（Tensorflow）
syyhaba的博客
03-26 8394
tensorflow训练CNN时Jupyter notebook内核一直挂掉，一个简单粗暴的解决方法
Jupiter notebook
11-11
### Jupiter Notebook 使用指南 #### 一、简介 Jupyter Notebook 是一个开源的 Web 应用程序，它允许用户创建和共享包含实时代码、方程式、可视化和叙述性文本的文档。这种灵活的功能使得 Jupyter Notebook 成为了...
Jupiter Notebook：IRIS 数据集/鸢尾花数据集
Yummy的博客
03-19 2957
前言： 过着有史以来最长的寒假，这阵子在学习Python数据分析，接触到了iris.csv，当时就感觉这东西有点神奇[○･｀Д´･ ○]，后来了解到，原来它就是所谓的鸢尾花卉数据集。 IRIS 数据集 Iris数据集也称鸢尾花卉数据集，是一类多重变量分析，在数据挖掘、数据分类中非常常用的测试集、训练集。该数据集包含150个数据样本，分为3类，每类50个数据，...
基于Jupiter Notebook的回归、分类和聚类可视化分析.zip
06-22
本次设计在 Jupiter Notebook 上通过 scikit-learn 对两个数据集分别实现了：1、回归（Air quality dataset）：逻辑回归；2、分类（BLE&RSSI dataset）：SVM、决策树、随机森林；3、聚类（BLE&RSSI dataset）：...
tensorflow制作自己的图像数据集并训练
11-15
利用tensorflow制作自己的图像数据集并训练。现有代码，含详细的注释。能直接使用。并包含了4中原始图像：车，狗，脸，花，
用SSD训练自己的数据集
dongfang1984的博客
07-07 4729
1构建 数据集 先来看一下我们构建数据集合应该是什么样的,假设总数据为1000张。 为了方便，我们将数据放在／home／bingolwang/data 文件夹下。/home/bingolwang/data/VOCdevkit 这个目录下是VOC2007 VOC2007/ |-- Annotations #1000个xml文件。 |-- ImageSets | `-- ...
SSD-Tensorflow 训练自己的数据集
Joel丶yang的专栏
05-25 4997
阅读此文默认你已经可以成功运行SSD-TensorFlow的官方源码，也就是能够在VOC2007数据集上成功训练。下面将介绍一下如何用SSD-Tensorflow 训练自己的数据。如果不清楚的话可以参考链接：https://github.com/balancap/SSD-Tensorflow https://blog.csdn.net/ei1990/article/details/75282855...
tensorflow SSD训练自己的数据集
蒋程扬的部落格
01-10 1232
本篇文章是我在自己学习的过程中写的，当作一个笔记，写的比较详细 在github上下载SSD的tensorflow版本： https://github.com/balancap/SSD-Tensorflow 下载后先解压缩checkpoint： unzip ssd_300_vgg.ckpt.zip 用jupyter-notebook 跑一下训练好的模型： jupyter notebook note...
SSD-tensorflow 训练自己的数据并显示训练结果
liuyan20062010的专栏
12-26 4万+
参考：https://github.com/DengZhuangSouthRd/SSD-TinyObject/blob/master/COMMANDS.md           http://blog.csdn.net/u014696921/article/details/53353896             http://blog.csdn.net/ei1990/article/detail...
Tensorflow下使用SSD训练自己的数据集
clover_my的博客
03-27 1万+
Tensorflow下使用SSD训练自己的数据集 1、数据集格式转换。 ① 将自己的数据集做成VOC2007格式，直接将VOC2007文件夹粘贴到SSD-Tensorflow-master目录下。 ② 修改datasets文件夹中pascalvoc_common.py文件中的训练类。 #原始的 # VOC_LABELS = { # 'none': (0, 'Background'...
jupiter notebook显示多个图像
05-30
要在Jupyter Notebook中显示多个图像，你可以使用 matplotlib 库中的 subplot 函数来创建多个子图，并将每个子图上的图像绘制在不同的子图上。以下是一个简单的示例代码，展示如何在一个 Notebook 单元格中显示多个图像： ``` python import matplotlib.pyplot as plt import numpy as np # 生成数据 x = np.linspace(0, 2*np.pi, 50) y1 = np.sin(x) y2 = np.cos(x) # 创建两个子图 fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5)) # 在第一个子图上绘制正弦函数 ax1.plot(x, y1, color='blue') ax1.set_title('Sin Function') # 在第二个子图上绘制余弦函数 ax2.plot(x, y2, color='red') ax2.set_title('Cos Function') # 显示图像 plt.show() ``` 在这个示例中，我们使用 numpy 库生成了一些数据，然后使用 matplotlib 库创建了两个子图，并在每个子图上绘制了不同的函数。最后，我们使用 `plt.show()` 函数将图像显示在 Notebook 中。你可以根据自己的需要修改这个示例代码，来显示你想要的多个图像。
评论 33
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值