python宣传图片_广告图片分析——labelImg+Tensorflow object detection API+tensorboard可视化...

背景

在外实习的时候接到了公司给的毕业设计题目，其中数据由我们组老大帮忙爬取并存入数据库中，我负责做聚类算法分析。

花了24h将所有图片下载完成后，我提取其中200份(现阶段先运行一遍后可能会增加一些)并使用labellmg为图片打上标签，作为训练集。

前置需求

1、首先安装配置好TensorFlow

2、TensorFlow模型源码

通过pip安装pillow,jupyter,matplotlib,lxml 如下：

pip install pillow

3、安装tensorboard：

注意 因为tensorboard所需要的pycocotools不支持Windows所以不能直接pip安装，不过git上的大牛提供了windows版本。安装命令如下：

pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

这里有可能报错：

我的解决方法：

直接下载https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI

然后解压到本地F:\coco\cocoapi-master

用notebook++打开 修改F:\coco\cocoapi-master\PythonAPI\setup.py为如下

然后再anaconda Promat中 cd到这个目录，并执行

python setup.py install

这样 pycocotools就安装完成了。

4、编译Protobuf，生产py文件

需要先安装Google的protobuf，下载protoc-3.4.0-win32.zip

打开cmd窗口，cd到models/research/目录下(老版本没有research目录)，执行如下：

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

然后在F:\Tensorflow\models\research\object_detection\protos中会生成一大堆python文件 如下图所示：

最后测试一下：

python object_detection/builders/model_builder_test.py

注意：如果出现No module named 'object_detection' 这是因为没有将工作目录添加到环境变量中

添加完成后就OK了。

开始训练自己的数据集

1.标注自己的样本图片

这里我们会使用到labelImg这个工具：

LabelImg是一个图形图像注释工具。

它用python编写的，用QT作为图形界面。

注释被按照ImageNet所使用的PASCAL VOC格式存成XML文件。

样例:

其标注后的xml文件内容

-

Train

ImageSets101.jpg

F:\Image\download\Train\ImageSets101.jpg-

Unknown

-

1000

1000

3

0-

glasses

Unspecified

0

0-

24

301

960

716

2.标注完成后，需要将xml转为csv文件，使用xml_to_csv.py，生成eval.csv验证集和train.csv训练集

代码如下：

importosimportglobimportpandas as pdimportxml.etree.ElementTree as ETdefxml_to_csv(path):

xml_list=[]#读取注释文件

for xml_file in glob.glob(path + '/*.xml'):

tree=ET.parse(xml_file)

root=tree.getroot()for member in root.findall('object'):

value= (root.find('filename').text,

int(root.find('size')[0].text),

int(root.find('size')[1].text),

member[0].text,

int(member[4][0].text),

int(member[4][1].text),

int(member[4][2].text),

int(member[4][3].text)

)