深度学习_目标检测（二）——ODA（三）TensorFlow API版本（二）训练检测

最新推荐文章于 2024-07-03 11:42:50 发布

智能之心

最新推荐文章于 2024-07-03 11:42:50 发布

阅读量387

点赞数

分类专栏： # 目标检测专栏深度学习专栏

本文链接：https://blog.csdn.net/weixin_41275726/article/details/102985793

版权

本文详细介绍了使用TensorFlow API进行目标检测的训练过程，包括从VOC数据集切出类别生成标注文件，数据转换为tfrecords，以及配置训练参数和预训练模型的选择。

摘要由CSDN通过智能技术生成

step1_x_labelImg

step1_x_使用VOC切出类来——生成【jpedimage+annotation】

step2_x_data_translate

step3_x_data_train

总体流程

step1_x_labelImg

step1_x_labelImg
参考：
https://blog.csdn.net/qq_34809033/article/details/80589868
需要环境：python+pyqt
代码：	
pip install PyQt5 
pip install pyqt5_tools
pip install lxml
到labelImg的解压包，运行代码：
pyrcc5 -o resources.py resources.qrc
运行代码：
python labelImg.py

step1_x_使用VOC切出类来——生成【jpedimage+annotation】

# -*- coding: utf-8 -*-
# @Function:There are 20 classes in VOC data set. If you need to extract specific classes, you can use this program to extract them.
'''
# 根据需要更改三个地方
'''
import os
import shutil
ann_filepath='./VOC2007/Annotations/'
img_filepath='./VOC2007/JPEGImages/'
# step 1/3 根据需要改
img_savepath='./VOC2007_Pensorn/JPEGImages/'
ann_savepath='./VOC2007_Pensorn/Annotations/'
if not os.path.exists(img_savepath):
    os.mkdir(img_savepath)
 
if not os.path.exists(ann_savepath):
    os.mkdir(ann_savepath)
names = locals()
classes = ['aeroplane','bicycle','bird', 'boat', 'bottle',
           'bus', 'car', 'cat', 'chair', 'cow','diningtable',
           'dog', 'horse', 'motorbike', 'pottedplant',
           'sheep', 'sofa', 'train', 'tvmonitor', 'person']
 
 
for file in os.listdir(ann_filepath):
    print(file)
    fp = open(ann_filepath + '\\' + file)
    ann_savefile=ann_savepath+file
    fp_w = open(ann_savefile, 'w')
    lines = fp.readlines()
 
    ind_start = []
    ind_end = []
    lines_id_start = lines[:]
    lines_id_end = lines[:]
    
    # step 2/3 根据需要改
    #classes1 = '\t\t<name>bicycle</name>\n'
    #classes2 = '\t\t<name>motorbike</name>\n'
    #classes3 = '\t\t<name>bus</name>\n'
    #classes4 = '\t\t<name>car</name>\n'
    classes5 = '\t\t<name>person</name>\n'
 
    #在xml中找到object块，并将其记录下来
    while "\t<object>\n" in lines_id_start:
        a = lines_id_start.index("\t<object>\n")
        ind_start.append(a)
        lines_id_start[a] = "delete"
 
 
    while "\t</object>\n" in lines_id_end:
        b = lines_id_end.index("\t</object>\n")
        ind_end.append(b)
        lines_id_e