深度有趣 | 12 一起来动动手_egohandsdataset数据集介绍-CSDN博客

本文链接：https://blog.csdn.net/zhl493722771/article/details/82781547

这篇博客介绍如何利用TensorFlow实现一个手部实时检测器，通过迁移学习使用预训练模型Inception-v3，处理Egohands数据集，进行数据整理、训练集与测试集划分，创建TFRecord文件，并进行模型训练。最后展示了如何应用模型进行手部实时检测。

摘要由CSDN通过智能技术生成

用TensorFlow实现一个手部实时检测器

和Inception-v3通过迁移学习实现定制的图片分类任务类似

在上节课内容的基础上，添加手部标注数据，并使用预训练好的模型完成迁移学习

手部检测数据来自于

图片使用Google Class拍摄，egohands_data.zip是一个压缩包，里面共有48个文件夹，分别对应48个不同场景（室内、室外、下棋等）中共计4800张标注图片，标注即全部的手部轮廓点

Egohands数据集示例

不过我们不需要手动解压这个压缩包，而是使用代码去完成数据的解压和整理工作

egohands_dataset_clean.py依次完成以下几项工作

如果当前目录下没有egohands_data.zip则下载，即调用download_egohands_dataset()
否则解压egohands_data.zip并得到egohands文件夹，并对其中的图片数据执行rename_files()
rename_files()会将所有的图片重命名，加上其父文件夹的名称，避免图片名重复，并调用generate_csv_files()
generate_csv_files()读取每个场景下的图片，调用get_bbox_visualize()，根据标注文件polygons.mat绘制手部轮廓和Anchor Box并显示，同时将图片标注转换并存储为csv文件，全部处理完后，再调用split_data_test_eval_train()
split_data_test_eval_train()完成训练集和测试集的分割，在images文件夹中新建train和test两个文件夹，分别存放对应的图片和csv标注
完成以上工作后，便可以手动删除一开始解压得到的egohands文件夹

也就是从egohands_data.zip得到images文件夹，在我的笔记本上共花费6分钟左右

接下来调用generate_tfrecord.py，将训练集和测试集整理成TFRecord文件

由于这里只需要检测手部，因此物体类别只有一种即hand，如果需要定制其他物体检测任务，修改以下代码即可

def class_text_to_int(row_label):
    if row_label == 'hand':
        return 1
    else:
        None

运行