Tensorflow 2.0 目标识别（五）——TF2.0+Object Detector（用户自定义训练）

到目前为止，您应该已经执行以下操作：

• 已安装的TensorFlow
• 已安装的TensorFlow对象检测API

既然我们已经完成了上述所有工作，我们就可以开始做一些很酷的事情。在这里，我们将看到如何训练自己的对象检测器，由于它听起来并不简单，因此我们来看看：

1. 如何组织工作区/培训文件
2. 如何准备/注释图像数据集
3. 如何从此类数据集生成tf记录
4. 如何配置简单的培训管道
5. 如何训练模型并监控其进度
6. 如何导出结果模型并将其用于检测对象。

 

1.2.1  准备工作区

如果您已按照本教程进行操作，那么现在应该📂Tensorflowl在<PATH_TO_TF>（例如C:/Users/sglvladi/Documents）下放置一个文件夹，其中包含以下目录树：

TensorFlow/

├─ addons/ (Optional)

│  └─ labelImg/

└─ models/

   ├─ community/

   ├─ official/

   ├─ orbit/

   ├─ research/

   └─ ...

现在在下面创建一个新文件夹📂Tensorflow并调用它📂workspace。这是内部的workspace，我们将存储所有我们的训练调校。现在，让我们进入工作区下，并创建另一个名为的文件夹📂training_demo。现在我们的目录结构应该是这样的：

TensorFlow/

├─ addons/ (Optional)

│  └─ labelImg/

├─ models/

│  ├─ community/

│  ├─ official/

│  ├─ orbit/

│  ├─ research/

│  └─ ...

└─ workspace/

   └─ training_demo/

该📂training_demo文件夹将是我们的训练文件夹，其中将包含与我们的模型训练有关的所有文件。每次我们希望在不同的数据集上进行训练时，建议创建一个单独的训练文件夹。培训文件夹的典型结构如下所示。

training_demo/

├─ annotations/

├─ exported-models/

├─ images/

│  ├─ test/

│  └─ train/

├─ models/

├─ pre-trained-models/

└─ README.md

这是上述树中显示的每个文件夹/文件管理器的说明：

• annotations：此文件夹将用于存储所有*.csv文件和各自的TensorFlow *.record文件，其中包含我们的数据集图像的注释列表。
• exported-models：此文件夹将用于存储我们训练有素的模型的导出版本。
• images：此文件夹包含我们数据集中所有图像的副本，以及*.xml为每个图像生成的相应文件（一旦labelImg用于注释对象）。
  • images/train：此文件夹包含所有图像的副本以及相应的*.xml文件，这些文件将用于训练我们的模型。
  • images/test