使用MoblieNet训练了一个识别数字手势的模型,先看看识别效果。
下面是教程:
首先要从git上下载官方的例程,https://github.com/tensorflow/tensorflow
之后分为两步,
第一步搜集足够多的样本图片,使用官方例程中的tensorflow/examples/image_retraining训练出自己的模型。
由于找不到合适的手势图片集,我使用手机的连拍功能,找了几个小伙伴,一起拍了大概三千张照片,制作了一个简单的手势图片集。
之后再image_retraining目录下建立一个文件夹,将图片放入,在子文件夹中分类,子文件夹名称就是类别名称。
之后运行retrain.py脚本
python retrain.py --image_dir hands --architecture mobilenet_1.0_224 --output_labels hands_labels.txt --output_graph hands_graph.pb
image_dir 是图片文件夹名
architecture 是所选用的模型
output_labels 是输出的模型名
output_graph 是模型对应的label文件
其中label和graph文件使我们需要的两个文件,成功生成这两个文件后可以进行第二步。
第二步是修改tensorflow/examples/android这个程序。
先安装android studio,然后选择open project,打开tensorflow/examples/android,编译运行,中间需要什么库就安装什么库。运行成功后手机上会安装四个demo app,挺有意思,大家可以玩玩。
我们通过修改其中的TF classify,在其中运行我们刚刚训练的自己的模型。
首先将刚刚生成的pb和txt文件放入tensorflow/examples/android/asset文件夹内
修改tensorflow/examples/android/src/org/tensorflow/demo/ClassifierActivity.java中的
private static final int INPUT_SIZE = 224;
private static final int IMAGE_MEAN = 128;
private static final float IMAGE_STD = 128 ;
private static final String INPUT_NAME = "input";
private static final String OUTPUT_NAME = "final_result";
private static final String MODEL_FILE = "file:///android_asset/hands_graph.pb"; (改成自己的pb)
private static final String LABEL_FILE =
"file:///android_asset/hands_labels.txt";(改成自己的txt文件名)
编译运行,之后就会发现TF classify中已经变成了自己的模型。