retinanet 部署_RetinaNet训练自己的数据用于目标检测

主要的步骤

自定义训练数据

图片目标标注

生成训练文件(图片名称、目标标注位置、目标类别)

调整参数、训练模型

转换生成的模型

用转换后的模型进行目标检测

具体内容

1.下载包、安装环境

从Github上下载keras-retinanet库

pip install . —-user 把库配置到当前环境中

python

setup.py build_ext —inplace 编译Cpython代码

2. 准备数据集

新建Annotations、ImageSets、JPEGImages三个文件夹

Annotations:存放用”lamlImg”软件标注生成的xml文件

JPEGImages:存放用于训练和测试的数据图片

ImageSets —> Main:存放用 gen_main_

txt.py 按比例随机抽样切分的训练集、测试集、验证集

gen_

csv.py:生成包含文件名、目标位置、目标类型的annotations.csv、classes.csv

debug.py:测试数据是否生成成

3.模型训练：

修改batch-size、image-min-side、image-max-side适应小内存的GPU：

python keras_retinanet/bin/