python mobilenetssd android_[Tensorflow] 使用SSD-MobileNet训练模型

使用SSD-MobileNet训练模型

因为Android Demo里的模型是已经训练好的，模型保存的label都是固定的，所以我们在使用的时候会发现还有很多东西它识别不出来。那么我们就需要用它来训练我们自己的数据。下面就是使用SSD-MobileNet训练模型的方法。

下载到Github上下载/克隆TensorModels，后面的操作都要在这个目录下执行

下载数据集(数据集应该是自己制作的，制作数据集需要用到一些工具，另外介绍)，我们使用VOC2012数据集

下载SSD-MobileNet，我们做得，相当于在这个基础上进行再次训练(retrain)

环境设置

进入下载的Model目录：

cd models/research/

# 执行

protoc object_detection/protos/*.proto --python_out=.

export PYTHONPATH="${PYTHONPATH}:/home/Github/models:/home/Github/models/research/slim/"

这里的PYTHONPATH路径一定要填对，不然会影响到后面运行代码。

然后还要注意代码版本不同文件路径有差别，所以要对照自己目录看好。

继续在research/目录下执行：

# 如果找不到setup.py， 用find命令找对应的路径

python setup.py build

python setup.py install

配置及训练

在object_detection/目录下创建目录ssd_model

mkdir object_detection/ssd_model

把下载好的数据集解压进去，数据集路径为

./object_detection/ssd_model/VOCdevkit/

执行配置文件

python ./object_detection/dataset_tools/create_pascal_tf_record.py --label_map_path=object_detection/data/pascal_label_map.pbtxt --data_dir=object_detection/ssd_model/VOCdevkit/ --year=VOC2012 --set=train --output_path=object_detection/ssd_model/pascal_train.record

python ./object_detection/dataset_tools/create_pascal_tf_record.py --label_map_path=object_detection/data/pascal_label_map.pbtxt --data_dir=object_detection/ssd_model/VOCdevkit/ --year=VOC2012 --set=val --output_path=object_detection/ssd_model/pascal_val.record

然后会在ssd_model/目录下生成pascal_train.record和pascal_val.record两个文件，分别有600M左右。

下一步复制训练pet数据用到的文件，我们在这个基础上修改配置，训练我们的数据

cp object_detection/data/pascal_label_map.pbtxt object_detection/ssd_model/

cp object_detection/samples/configs/ssd_mobilenet_v1_pets.config object_detection/ssd_model/

我们打开pascal_label_map.pbtxt看一下，这个文件里面是类似Json格式的