(windows)tensorflow-object-detection-api 训练自己的检查器

本文介绍了在Windows系统中,使用Tensorflow对象检测API训练自定义物体检测器的详细步骤,包括数据收集、图片标注、生成训练数据、配置模型、训练及导出推理图等关键环节。
摘要由CSDN通过智能技术生成

训练前准备:

  1. 在训练自己的检查器之前,需要能通过官方tensorflow-object-detection-api的运行测试,详见上一篇博客:
    https://blog.csdn.net/holidayun/article/details/82378201
  2. 从github上面下载xml_to_csv.py 与 generate_tfrecord.py,地址如下:
    https://github.com/holidayun/Tesorflow-Object-Detection-API-Training-Windows-Tutorial
    将下载完成的文件放入到
    \tensorflow\models\research\object_detection 目录下
  3. 在\tensorflow\models\research\object_detectio 下新建images文件夹
  4. 在\tensorflow\models\research\object_detectio\imgaes 新建test文件夹与train文件夹
  5. 模型下载,可根据自己的需求,下载对应的模型,
    这里写图片描述
    https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

    SDD-MobileNet模型训练速度较快,但是精确度不太理想,本教程使用
    使用Faster-RCNN-Inception-V2模型。下载地址:

    http://download.tensorflow.org/models/object_detection/faster_rcnn_inception_v2_coco_2018_01_28.tar.gz
    下载完成之后,将faster_rcnn_inception_v2_coco_2018_01_28文件夹解压缩到tensorflow \ models \ research \ object_detection目录下。(注意:模型日期和版本将来可能会发生变化,但它仍应适用于本教程。)

1.收集图片

  1. 收集的图片中包含检测目标。
  2. 确保图片不是太大,每个应小于200KB,分辨率不应超过720x1280。图像越大,训练分类器所需的时间越长。
  3. 将 收集到的图片放入\tensorflow\models\research\object_detectio\imgaes 目录下

2.标签图片

  1. 收集完所有图片后,就可以在每张图片中标记所需的对象。LabelImg是一个很好的标记图像的工具,它的GitHub页面有关于如何安装和使用它的非常明确的说明:
    https://github.com/tzutalin/labelImg

  2. 使用LabelImg生成的xml文件,其中80%放入
    \tensorflow\models\research\object_detectio\imgaes\train 目录下,用于训练使用。20%的放入\object_detection\imgaes\test 目录下,用于训练时测试使用。

3.生成培训数据

  1. 首先将生成的xml数据,转换为csv格式的数据。
    使用编辑器打开 \object_detection 目录下的 xml_to
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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