pascal voc 数据集_tensorflow对象检测框架训练VOC数据集常见的两个问题

点击上方蓝字关注我们

关注:OpenCV干货与教程第一时间送达！

欢迎星标或者置顶【OpenCV学堂】

tensorflow对象检测框架

Tensorflow自从发布了object detection API这套对象检测框架以来，成为很多做图像检测与对象识别开发者手中的神兵利器，因为他不需要写一行代码，就可以帮助开发者训练出一个很好的自定义对象检测器(前提是有很多标注数据)。我之前曾经写过几篇文章详细介绍了tensorflow对象检测框架的安装与使用，感兴趣可以看如下几篇文章!

相关精选内容

Windows系统如何安装Tensorflow Object Detection API
Windows下TensorFlow安装与代码测试tensorflow object detection API训练公开数据集Oxford-IIIT Pets Datasettensorflow object detection API使用之GPU训练实现宠物识别基于OpenCV与tensorflow实现实时手势识别

但是在windows下安装tensorflow对象检测框架并进行训练初学者需要跨越两个大坑

VOC数据生成

制作VOC2012数据集并生成tfrecord。生成VOC格式的数据集，需要运行如下脚本文件

create_pascal_tf_record.py

才会生成tfrecord，但是基于自定义数据集，一运行脚本时候就会得到下面的错误：

 原始代码

examples_path = os.path.join(data_dir, year, 'ImageSets', 'Main',
'aeroplane_' + FLAGS.set + '.txt')

 修改为：

examples_path = os.path.join(data_dir, year, 'ImageSets', 'Main',
                                 + FLAGS.set + '.txt')

 或者

examples_path = os.path.join(data_dir, year, 'ImageSets', 'Main',
'自定义类别名称' + FLAGS.set + '.txt')

然后开始执行创建VOC数据集脚本即可正常生成tfrecord。

训练阶段

执行如下命令行开始训练

但是一般情况会遇到如下一个很典型的错误

 这个时候需要修改model_lib.py文件

category_index.values()

 改为：

list(category_index.values())

图示如下：

然后就会很成功的开始训练拉，但是这个时候训练时静默模式的，没有log输出到控制太，作为码农一般都有日志强迫症，所以最后在model_main.py中导出部分之后添加一行代码：

tf.logging.set_verbosity(tf.logging.INFO)

图示如下：

然后重新执行训练就会看到有LOG输出，最终训练到指定step会自动停止，通过下面命令行即可导出生成PB文件

竹密不妨流水过

山高不碍白云飞

往期精选

OpenCV4.0实现人脸识别

OpenCV实现年龄与性别预测

OpenCV4.0 灰度图像彩色化

使用OpenVINO ToolKit 实时推断

OpenCV+Tensorflow实现实时人脸识别演示

对象检测网络中的NMS算法详解

欢迎扫码加入【OpenCV研习社】

原价99元，限时优惠只需69元！

扫码即可加入学习(下载课程代码与资料)！