目标检测SSD-tensorflow之训练数据集

tfrecord数据集的制作     https://blog.csdn.net/qq_40806289/article/details/89510467

 重新训练模型的代码修改（主要是自己检测类别数目的修改）

1、datasets文件夹下：pascalvoc_2007.py文件

2、nets文件夹下ssd_vgg_300.py，96、97行（类别数+1）

3、根目录下eval_ssd_network.py文件，66行，类别数+1

4、修改训练步长epoch。train_ssd_network.py

27行：

DATA_FORMAT = 'NCHW'  # gpu
# DATA_FORMAT = 'NHWC'    # cpu

135行：类别数+1

154行：讲None（无限训练下去）修改为自己想要的迭代步数

5、加载预训练模型，重新训练

下载vgg_16模型

写一个sh文件，方便传参。

DATASET_DIR=./tfrecords_/
TRAIN_DIR=./train_model/
CHECKPOINT_PATH=./checkpoints/vgg_16.ckpt 
python train_ssd_network.py --train_dir=./train_model/ --dataset_dir=./tfrecords_/ --dataset_name=pascalvoc_2007 --dataset_split_name=train --model_name=ssd_300_vgg --checkpoint_path=./checkpoints/vgg_16.ckpt --checkpoint_model_scope=vgg_16 --checkpoint_exclude_scopes=ssd_300_vgg/conv6,ssd_300_vgg/conv7,ssd_300_vgg/block8,ssd_300_vgg/block9,ssd_300_vgg/block10,ssd_300_vgg/block11,ssd_300_vgg/block4_box,ssd_300_vgg/block7_box,ssd_300_vgg/block8_box,ssd_300_vgg/block9_box,ssd_300_vgg/block10_box,ssd_300_vgg/block11_box --trainable_scopes=ssd_300_vgg/conv6,ssd_300_vgg/conv7,ssd_300_vgg/block8,ssd_300_vgg/block9,ssd_300_vgg/block10,ssd_300_vgg/block11,ssd_300_vgg/block4_box,ssd_300_vgg/block7_box,ssd_300_vgg/block8_box,ssd_300_vgg/block9_box,ssd_300_vgg/block10_box,ssd_300_vgg/block11_box --save_summaries_secs=60 --save_interval_secs=600 --weight_decay=0.0005 --optimizer=adam --learning_rate=0.001 --learning_rate_decay_factor=0.94 --batch_size=5 --gpu_memory_fraction=0.9

注释：

--save_interval_secs是训练多少次保存参数的步长；
--optimizer是优化器；
--learning_rate是学习率；
--learning_rate_decay_factor是学习率衰减因子；

6、训练结束得到模型

7、测试

使用notebook文件夹下的ssd_notebook.ipynb。我将其转为了py文件使用

有两点需要注意：

1、这个是ipython，注释掉就好

2、模型调用：

生成的模型有3个文件

调用使用