上一篇博客介紹了Google的tensorflow object detection API 的配置和使用, 這次介紹一下如何用這個API訓練自己的數據,製作特定的目標檢測模型。
第一步:製作數據集
下載數據集製作軟件(12.7M):labelImg
鏈接:https://pan.baidu.com/s/1a3GqPXqrkvl07PrDMEqlaA
提取碼:jdpa
這是一個綠色軟件,下載都任意文件夾解壓後,可以看到如下目錄:
點擊labelImg.exe就可以運行了,界面如下:
點擊open dir 打開圖片所在文件夾,然後按W進行標註,添加label,然後點擊save,自動保存爲xml文件。
對於Tensorflow,需要輸入專門的 TFRecords Format 格式。
寫兩個小python腳本文件,第一個將文件夾內的xml文件內的信息統一記錄到.csv表格中(xml_to_csv.py),第二個從.csv表格中創建TFRecords格式(generate_tfrecord.py)
未完,待續。。。。。。。。
下面內容可以忽略。
解壓後將3個.ckpt文件放如自己的fine_tune_model文件夾下
然後下載模型對應的配置文件https://github.com/tensorflow/models/tree/master/research/object_detection/samples/configs
放到data文件夾下;