openVINO_training_extensions之一：Ubuntu16.04环境下使用tensorflow训练车牌识别

一、环境安装与配置

1. OpenVINO环境安装与配置
   安装openVINO环境请参照官网：
   https://docs.openvinotoolkit.org/2019_R2/_docs_install_guides_installing_openvino_linux.html

下载openvino_training_extensions

• 使用git clone下载到本地
  git clone https://github.com/opencv/openvino_training_extensions.git
  进入下载目录cd openvino_training_extensions
• 安装依赖环境
  sudo apt-get install libturbojpeg python3-tk python3-pip virtualenv
  
  到此openVINO前置环境安装好了

二、 配置安装训练环境

开始安装训练模型的环境

这里选择安装模型车牌识别License Plate Recognition
先决条件：

• Ubuntu * 16.04
• Python * 3.6
• TensorFlow * 1.13.1
• 带有Python API的OpenVINO™2019 R1以上

1. 按照如下命令依次执行创建并激活虚拟环境：
   cd $(git rev-parse --show-toplevel)/tensorflow_toolkit/lpr
   virtualenv venv -p python3 --prompt = “(lpr)”
   echo “. /opt/intel/openvino/bin/ setupvars.sh” >> venv/bin/activate
   . venv/bin/activate
2. 安装依赖模块
   pip3 install -e .
   pip3 install -e …/utils
   如果没有GPU, 请使用CPU_ONLY=true环境变量：
   CPU_ONLY=true pip3 install -e .
   pip3 install -e …/utils
3. 下载并准备所需的子模块
   bash …/prepare_modules.sh
4. 准备数据集
   下载培训数据并将其解压缩到data/synthetic_chinese_license_plates文件夹中。数据集必须由命名为训练图像的文件夹和命名为的crops注释的文本文件组成annotation。使用以下命令：
   • cd $(git rev-parse --show-toplevel)/data/synthetic_chinese_license_plates
   • wget https://download.01.org/opencv/openvino_training_extensions/datasets/license_plate_recognition/Synthetic_Chinese_License_Plates.tar.gz
   • tar xf Synthetic_Chinese_License_Plates.tar.gz
5. 提取训练数据存档后，从中运行Python脚本
   data/synthetic_chinese_license_plates/make_train_val_split.py将注释拆分为train并val通过将路径data/synthetic_chinese_license_plates/annotation 从存档传递到文件作为输入。该脚本会输出data/synthetic_chinese_license_plates/train和 data/synthetic_chinese_license_plates/val注释文件，并提供包含提取数据的文件夹中图像和标签的完整路径。使用以下命令：

• python3 make_train_val_split.py Synthetic_Chinese_License_Plates/annotation
• 运行完之后的文件夹结构如下：
  

6. 训练和评估
7. 配置训练的配置文件
   配置文件：tensorflow_toolkit / lpr / chinese_lp / config.py
   配置文件主要分为三个部分，这里主要配置一下训练的参数：
   class train:训练部分
   class eval:测试验证部分
   class infer:推理部分
   具体代码如下：

import os
from lpr<