【AI】Python3使用TF-Slim进行图像分类

机器环境

• win10
• python3.6
• tensorflow==1.7.0

Github地址

• https://github.com/ns2250225/python3_tf_slim_image_classify

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

• http://download.tensorflow.org/models/inception_v3_2016_08_28.tar.gz
• 解压后，复制到 slim\satellite\pretrained 下

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