使用tensorflow版本的Faster r cnn训练自己的数据集完整版

最新推荐文章于 2024-08-20 19:00:16 发布

繁华三千东流水

最新推荐文章于 2024-08-20 19:00:16 发布

阅读量4.2k

点赞数 7

分类专栏： tensorflow下的深度学习算法思想及实现深度学习项目练习文章标签： faster_r_cnn 目标检测

本文链接：https://blog.csdn.net/qq872890060/article/details/102830836

版权

本文介绍了在TensorFlow框架下使用Faster R-CNN进行目标检测的完整流程，包括Python环境配置、Faster R-CNN组件下载与微调、数据集制作、训练和测试。在Windows和Linux环境下都进行了实践，特别是在Linux环境下，详细阐述了从数据预处理到模型训练和测试的每个步骤。

摘要由CSDN通过智能技术生成

可能有些小伙伴在刚学习的时候不太适应Linux系统，我在Windows系统下也跑通了这个框架，但是在保存训练模型的时候，出现了内存溢出，导致无法保存模型。
我使用的自用笔记本的GPU是1060 6G的，算力在庞大的faster r cnn 面前还是略输一筹。
所以一下内容是借助了拥有4块2080Ti的GPU服务器实现的
我们要训练一个好的模型，并进行应用，目前来说是离不开Linux系统的，索性直接在该系统下操作吧。
主要步骤分：
Python环境配置
faster r cnn 组件下载并微调
数据集制作
训练
测试

Python环境配置

这里使用的是Python3.6的版本，链接原作者说明，3.5,3.6,3.7都可以用。
安装tensorflow gpu版本
```
pip install tensorflow -gpu
```

安装一下Python包：

pip install matplotlib
pip install cython
pip install pillow
pip install opencv-python
pip install easydict

在github上下载tensorflow框架下的faster_r_cnn：

git clone --recursive https://github.com/dBeker/Faster-RCNN-TensorFlow-Python3.git

编译

进入： ./data/coco/PythonAPI编译：
python setup.py build_ext --inplace
python setup.py build_ext install
进入./lib/utils 继续编译
python setup.py build_ext --inplace