致谢声明
本文在学习《Tensorflow object detection API 搭建属于自己的物体识别模型(2)——训练并使用自己的模型》的基础上优化并总结,此博客链接:https://blog.csdn.net/dy_guox/article/details/79111949,感谢此博客作者。
0.前言
在进行本文操作之前,需要先安装好tensorflow的gpu版本。
本文作者的环境:python3.6、Windows10、tensorflow_gpu1.10
已经安装好的可以跳过,学习如何安装tensorflow的gpu版本的读者请阅读本文作者的另外一篇文章《深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的安装》,链接:https://www.jianshu.com/p/4ebaa78e0233
本文是写给目标检测入门新手的指导文章,会用示意图将每一步的详细实现过程展示出来。
本文作者接触深度学习2个月后,开始进行目标检测实践。
本文作者的专题《目标检测》,链接:https://www.jianshu.com/c/fd1d6f784c1f
此专题的宗旨是让基础较为薄弱的新手能够顺利实现目标检测,专题内容偏向于掌握技能,学会工具的使用。
本文作者尚未具备清楚讲述目标检测原理的能力,学习原理请自行另找文章。
文章编号 | 文章名 | 链接 |
---|---|---|
1 | 目标检测实践_tensorflow版SSD运行示例 | https://www.jianshu.com/p/c1d8f1c76de7 |
2 | 目标检测实践_tensorflow版SSD数据准备 | https://www.jianshu.com/p/3d9436b4cb66 |
3 | 目标检测实践_tensorflow版SSD训练自己的数据 | https://www.jianshu.com/p/0e5f9df4686a |
4 | 目标检测实践_tensorflow版SSD模型测试 | https://www.jianshu.com/p/7464c5e00716 |
1.下载图片
本文作者给读者演示的图片数据是来自ImageNet中的鲤鱼分类。
数据集在百度云盘,链接: https://pan.baidu.com/s/1NksESNqBX--YqMJ4zptGdw 提取码: 6p3u
在桌面新建文件夹目标检测,把下载好的压缩文件n01440764.tar放到其中,如下图所示:
image.png
选择解压到n01440764,如下图所示:
image.png
解压完成后,桌面的目标检测文件夹中如下图所示:
image.png
2.选择图片
在此数据集中,大部分图片都较为清晰,但是有极少数图片像素点少,不清晰。
像素点少的图片不利于模型训练或模型测试,所以在本章节中实现用python代码选出部分图片文件。
在桌面的目标检测文件夹中打开cmd,即在路径中输入cmd后按Enter键,如下图所示:
image.png
在cmd中输入命令并运行:jupyter notebook
,如下图所示:
image.png
浏览器会自动打开1个标签页,选择新建ipynb代码文件,如下图所示:
image.png
为ipynb文件重命名,重命名按钮如下图红色箭头标记处所示:
image.png
修改文件名为get_some_qualified_images,如下图所示:
image.png
复制下面一段代码到代码文件get_some_qualified_images.ipynb的单元格中,复制后运行即可:
import os
import random
from PIL import Image
import shutil
#获取文件夹中的文件路径
def getFilePathList(dirPat