基于Keare的交通标志识别

前两天体验了一下腾讯云的在线实验，内容如题，在这里记录一下一些必要知识（ 水

实验步骤

这个实验分为训练过程和测试过程两部分。

训练过程流程及实现：

• 解析脚本输入参数：使用argparse解析，由args变量持有
• 创建模型：自定义函数create_model()，返回使用keras.models.Model类创建的实例
• 模型编译：执行Model实例的compile()
• 数据增强：自定义函数create_image_generator()
• 模型训练与保存：自定义函数train()完成模型训练，使用keras.callbacks.ModelCheckpoint类的实例完成模型保存

测试过程流程及实现：

• 解析脚本输入参数：使用argparse解析，由args变量持有
• 创建模型：自定义函数create_model()
• 模型加载：使用keras.models.load_model()
• 数据读取：自定义函数create_image_generator()
• 预测与评估：自定义函数test()

环境搭建

安装TensorFlow

输入下述命令升级pip并安装TensorFlow

python -m pip install --upgrade pip && pip install tensorflow==1.14

安装Keras

输入下述命令安装Keras

pip install keras==2.3.1

安装opencv-python

输入下述命令安装opencv-python

pip install opencv-python

安装numpy

输入下述命令安装numpy

pip install numpy==1.19

编写训练代码

创建文件

进入工程目录

cd /traffic_symbol

创建train.py文件，本实验的后续代码都将在此文件中完成

touch train.py

引用文件

点击打开 train.py 文件，输入下述内容：

在文件顶部输入下述内容

import os
import argparse
import shutil
import cv2
import random
import numpy as np
import keras
from keras.applications.mobilenet import preprocess_input, MobileNet
from keras.preprocessing.image import ImageDataGenerator
from keras.models import Model, load_model
from keras.layers import *
from keras.callbacks import ModelCheckpoint

记得保存！

保存方法：Windows 系统点击 ctrl+s，Mac OS 点击 command+s 保存

完成模型构建代码

继续在 train.py 中继续输入下面的内容，然后保存

# 创建模型
def create_model(height, width, channel, num_class):
    # 加载预训练模型
    base_model = MobileNet(input_shape=(height, width, channel), weights='imagenet', include_top=False)
​
    # 把基础模型后部替换成GAP + FC
    x = base_model.output
    x = GlobalAveragePooling2D()(x)
    x = Dropout(0.5)(x)
    x = Dense(256, activation='relu')(x)
    predictions = Dense(num_class, activation='softmax')(x)
​
    # 创建模型
    return Model(inputs=base_model.