tensorflow使用object detection实现目标检测超详细全流程(视频+图像集检测)

最新推荐文章于 2024-08-13 22:48:20 发布

chang_rj

最新推荐文章于 2024-08-13 22:48:20 发布

阅读量1.1w

点赞数 6

分类专栏：算法汇总文章标签： tensorflow 深度学习

本文链接：https://blog.csdn.net/u010801994/article/details/84987563

版权

本文详述了使用TensorFlow的Object Detection API进行目标检测的全过程，包括数据整理、依赖安装、环境配置、record文件生成、模型训练、模型导出及结果输出。以SSD MobileNet V2为例，提供了针对不同模型的训练调整方法，并分享了关于batch size、iteration和epoch的学习心得。

摘要由CSDN通过智能技术生成

使用tensorflow object detection进行训练检测。参考原始代码：https://github.com/tensorflow/models/tree/master/research
本博客以mobilenet-ssd-v2为例进行处理，通过换模型即可实现faster RCNN等的训练检测。

1、数据整理

对生成的数据集（整理成VOC格式），通过Annotations的数据数进行train、test、val、trainval.txt的生成
进入目录

cd VOCdevkit/VOC2012/
python data_segment.py

"""
data_segment.py
可自主设计数据集的比例，即trainval_percent,train_percent
"""
import os  
import random  

trainval_percent = 0.9  
train_percent = 0.95  
xmlfilepath = 'Annotations'  
txtsavepath = 'ImageSets\Main'  
total_xml = os.listdir(xmlfilepath)  

num=len(total_xml)  
list1=range(num)  
tv=int(num*trainval_percent)  
tr=int(tv*train_percent)  
trainval= random.sample(list1,tv)  
train=random.sample(trainval,tr) 
ftrainval = open('ImageSets/Main/trainval.txt', 'w')  
ftest = open('ImageSets/Main/test.txt', 'w')  
ftrain = open('ImageSets/Main/train.txt', 'w')  
fval = open('ImageSets/Main/val.txt', 'w')  
for i in list1:  
    name=total_xml[i][:-4]+'\n'  
    if i in trainval:  
        ftrainval.write(name)  
        if i in train:  
            ftrain.write(name)  
        else:  
            fval.write(name)  
    else:  
        ftest.write(name)  

ftrainval.close()  
ftrain.close()  
fval.close()  
ftest .close()

note：

在使用数据集格式转化工具，生成的voc文件中，ImageSets/mains中，只含有trainval.txt。（可通过上述方式进行重新生成.txt文件，亦可暂时忽略，在后续生成record文件时，直接应用）
数据集的下载可参考自动驾驶数据集，同时能获得自动驾驶数据集与voc格式之间的转换。

2、安装依赖项

pip install -r requirements.txt

3、载入环境变量

protoc object_detection/protos/*.proto --python_out=.
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/object_detection
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

4、生成record文件

# 生成相应的train.record、val.record、test.record
python object_detection/dataset_tools/create_pascal_tf_record.py --data_dir=VOCdevkit/ --year=VOC2012 --set=val --label_map_path=object_detection/data/pascal_label_map.pbtxt --output_path=dataset/val.record

也可根据修改过的record生成文件，直接对数据集转化结果trainval.txt进行处理。

python object_detection/create_crj.py --data_dir=VOCdevkit/ --set=trainval --year=VOC2012 --label_map_path=object_detection/data/pascal_label_map.pbtxt

"""
前面部分，篇幅问题，省略，参考create_pascal_tf_record.py中函数
"""
def main(_):
    if FLAGS.set not in SETS:
        raise ValueError('set must be in : {}'.format(SETS))
    if FLAGS.year not in YEARS:
        raise ValueError(