配置TensorFlow的objetc_detection api，训练自己的数据

objetc_detection api:

https://opensource.googleblog.com/2017/06/supercharge-your-computer-vision-models.html

github:

https://github.com/tensorflow/models/tree/master/research/object_detection

配置：

sudo apt-get install protobuf-compiler python-pil python-lxml

sudo pip install jupyter

sudo pip install matplotlib

sudo pip install pillow

sudo pip install lxml

sudo pip install jupyter

sudo pip install matplotlib

# From tensorflow/models/research/

protoc object_detection/protos/ * .proto --python_out=.

vim ~/.bashrc

在 .bashrc中添加：

export PYTHONPATH=$PYTHONPATH:/path/to/research:/path/to/research/slim

保存

source ~/.bashrc

测试一下：

python object_detection/builders/model_builder_test.py

在这个过程可能会遇到一个问题：

" protoc object_detection/protos/*.proto --python_out=.",

保存：

object_detection/protos/anchor_generator.proto:11:3: Expected "required", "optio nal", or "repeated".

object_detection/protos/anchor_generator.proto:11:32: Missing field number.

解决方法：

tensorflow$ mkdir protoc_3.3

tensorflow$ cd protoc_3.3

tensorflow/protoc_3.3$ wget wget  https://github.com/google/protobuf/releases/download/v3.3.0/protoc-3.3.0-linux-x86_64.zip

tensorflow/protoc_3.3$ chmod 775 protoc-3.3.0-linux-x86_64.zip

tensorflow/protoc_3.3$ unzip protoc-3.3.0-linux-x86_64.zip

tensorflow/protoc_3.3$ cd ../models/

tensorflow/protoc_3.3$ /home/tensorflow/protoc_3.3/bin/protoc object_detection/protos/*.proto --python_out=.

训练自己的数据

需要准备的东西：

image文件夹，里面是你要训练的图片

xml文件，里面是这些图片的xml

image_list，里面是图片的文件名（不带后缀）

1、转为tfrecode

官方给的create_pascal_tf_record.py是按照pascal数据写的，咱们用的时候需要做一定更改

大家可以直接用我改好的

https://github.com/withyou1771/object_detection_api/blob/master/create_tf_record.py

python create_tf_record.py --output_path=/path/to/train.record

只需要修改main()函数下的data_dir,annotations_dir,examples_path,label_map_dict

label_map_dict可以参考data/pascal_label_map.pbtxt，根据自己的label写一个，但是注意，id必须是1,2,3,4...如果用别的id，比如说01,02,03...就会报错

报错：

label_map.ParseFromString(label_map_string)

google.protobuf.message.DecodeError: Error parsing message

有的xml文件会没有标注框，这时候就会报错，

报错：

KeyError: 'object'

把没有标注框的图片去掉就好啦

2、下载预训练的模型

1. wget http://download.tensorflow.org/models/object_detection/faster_rcnn_resnet101_coco_11_06_2017.tar.gz  
2. tar -zxvf faster_rcnn_resnet101_coco_11_06_2017.tar.gz  

3、修改.config

object_detection/samples/configs下有各式各样的网络，选一个你喜欢的

修改：

num_classes： 类别数目，有10类就是10
fine_tune_checkpoint：faster_rcnn_resnet101_coco_11_06_2017解压出的模型
from_detection_checkpoint： 为true
num_steps: 训练步数

PATH_TO_BE_CONFIGURED修改为相应的路径

4、训练

python object_detection/train.py \  
     --pipeline_config_path='/path/to/train.config' \  
     --train_dir='/path/to/model/train'  

train_dir是保存训练模型的地方

如果遇到这个错：

报错：

RuntimeError: generator didn't yield

ERROR:tensorflow:==================================

Object was never used (type <class 'tensorflow.python.framework.ops.Tensor'>):

<tf.Tensor 'init_ops/report_uninitialized_variables/boolean_mask/Gather:0' shape=(?,) dtype=string>

If you want to mark it as used call its "mark_used()" method.

It was originally created here:

那么可能是你的预训练模型和你的输出模型在一个文件夹，或者是你的预训练模型缺少文件，建议重新解压一次

接着就是等待训练完成啦