在目标检测实验中使用迁移学习开发说明书

在目标检测实验中使用迁移学习.

本实验借鉴https://blog.csdn.net/ctwy291314/article/details/80999645, 该实验是将目标检测迁移到人脸检测上.

1. 下载训练数据和验证数据.

这里使用WIDER FACE数据集作为训练集合验证集. 为了简单, 快速实现在目标检测任务中采用迁移学习. 只下载WIDER Face Validation Images作为训练集, 必要的时候也可以作为验证集.
将WIDER_val和wider_face_split文件夹放在./datasets下.

2. 下载训练好的模型.

这里采用Tensorflow在COCO数据集上训练好的模型, 下载地址https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md. 这里下载faster_rcnn_inception_v2_coco.
原文中使用代码001_down_data.py进行数据集和训练好模型的下载, 这里暂时不需要!

3. 数据预处理

数据预处理工作包括:

1. 将WIDERFace转换为Pascal XML. 将使用scripts/data-to-pascal-xml.py转换WIDERFace数据并且将数据复制到一个不同的子文件夹中. 并修改scripts/data-to-pascal-xml.py中的一些路径.
   运行scripts/data-to-pascal-xml.py, 将会在datasets下生成tf_wider_train和tf_wider_val文件夹, 里面包含xmls文件夹, images文件夹和txt文件. 这是训练集和验证集的源数据.

2. 创建Pascal XML到Tensorflow CSV的索引. 详见scr