【AI】Python3使用TF-Slim进行图像分类

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/ns2250225/article/details/80237483

机器环境

  • win10
  • python3.6
  • tensorflow==1.7.0

Github地址

准备图片数据

  • 准备好自定义的图片数据
  • 放到 data_prepare/pic/train 和 data_prepare/pic/validation 中
  • 自己建立分类文件夹,文件夹名为分类标签名

将图片数据转换成TF-Record格式文件

  • 在 data_prepare/ 下,执行
python data_convert.py -t pic/ \
  --train-shards 2 \
  --validation-shards 2 \
  --num-threads 2 \
  --dataset-name satellite
  • 会生成4个tf-record文件和1个label文件

将转换生成的5个文件复制到 slim\satellite\data 下

修改 slim\datasets\satellite.py 文件

  • FILE_PATTERN = ‘satellite%s_*.tfrecord’ (tf-record文件名格式)
  • SPLITS_TO_SIZES = {‘train’: 16, ‘validation’: 4} (训练集和测试集文件总数)
  • _NUM_CLASSES = 2 (分类类目总数)
  • ‘image/format’: tf.FixedLenFeature((), tf.string, default_value=’jpg’) (图片格式,这里是jpg)

下载预训练模型Inception V3

在 slim/ 文件夹下执行如下命令,进行训练:

python train_image_classifier.py \
  --train_dir=satellite/train_dir \
  --dataset_name=satellite \
  --dataset_split_name=train \
  --dataset_dir=satellite/data \
  --model_name=inception_v3 \
  --checkpoint_path=satellite/pretrained/inception_v3.ckpt \
  --checkpoint_exclude_scopes=InceptionV3/Logits,InceptionV3/AuxLogits \
  --trainable_scopes=InceptionV3/Logits,InceptionV3/AuxLogits \
  --max_number_of_steps=100000 \
  --batch_size=32 \
  --learning_rate=0.001 \
  --learning_rate_decay_type=fixed \
  --save_interval_secs=300 \
  --save_summaries_secs=2 \
  --log_every_n_steps=10 \
  --optimizer=rmsprop \
  --weight_decay=0.00004

在 slim/ 文件夹下执行如下命令,进行模型能力评估:

python eval_image_classifier.py \
  --checkpoint_path=satellite/train_dir \
  --eval_dir=satellite/eval_dir \
  --dataset_name=satellite \
  --dataset_split_name=validation \
  --dataset_dir=satellite/data \
  --model_name=inception_v3

导出训练好的模型

  • 在 slim/ 文件夹下面执行如下命令:
python export_inference_graph.py \
  --alsologtostderr \
  --model_name=inception_v3 \
  --output_file=satellite/inception_v3_inf_graph.pb \
  --dataset_name satellite
  • 在 项目根目录 执行如下命令(需将5271改成train_dir中保存的实际的模型训练步数)
python freeze_graph.py \
  --input_graph slim/satellite/inception_v3_inf_graph.pb \
  --input_checkpoint slim/satellite/train_dir/model.ckpt-5271 \
  --input_binary true \
  --output_node_names InceptionV3/Predictions/Reshape_1 \
  --output_graph slim/satellite/frozen_graph.pb

对单张图片进行预测

  • 在 项目根目录 执行如下命令
python classify_image_inception_v3.py \
  --model_path slim/satellite/frozen_graph.pb \
  --label_path data_prepare/pic/label.txt \
  --image_file test_image.jpg
阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页