这篇文章是“用Tensorflow和OpenCV构建实时对象识别应用”的后续文章。具体来说，我在自己收集和标记的数据集上训练了我的浣熊检测器。完整的数据集可以在我的Github repo上看到。

看一下这个动图，这是运行中的浣熊探测器:

浣熊检测器

如果你想知道这个探测器的更多细节，就继续读下去！

在这篇文章中，我将解释所有必要的步骤来训练你自己的检测器。特别地，我创建了一个具有相对良好结果的对象检测器来识别浣熊。

创建数据集

你需要做的第一件事是创建自己的数据集:Tensorflow的Object Detection API使用TFRecord文件格式，因此在最后我们需要将数据集转换为该文件格式。

有几个选项可以生成TFRecord文件。如果你有一个与PASCAL VOC数据集或者Oxford Pet数据集相似的数据集，那么它们对本操作就有了一个现成的脚本(参见py和create_pet_tf_record.py)。如果你没有其中之一，那么你需要编写自己的脚本来生成TFRecords。

为了准备API的输入文件，你需要考虑两件事。首先，你需要一个RGB图像，它被编码为jpeg或png，其次你需要一个图像的包围盒(xmin，ymin，xmax，ymax)，以及在包围盒中的对象的类。

我在谷歌图片和Pixabay上凑齐了200只浣熊的照片(主要格式是jpeg，还有一些pngs)，这些图片在比例、姿势和光线上都有很大的变化。以下是我收集的浣熊图像数据集的一个子集:

浣熊图像数据集的子集

之后，我用LabelImg手动给它们贴上标签。LabelImg是一种图形化的图像注释工具，它是用Python编写的，并且使用Qt作为图形界面。它支持Python2和Python3，但是我用Python2和Qt4来构建它，因为我用Python3和Qt5会出现一些问题。LabelImg非常容易使用，而且注释被作为XML文件保存在PASCAL VOC格式中，这意味着我也可以使用该文件的create_pascal_tf_record.py脚本。但是我并没有这样做，因为我想要创建我自己的脚本。

在某种程度上，LabelImg在MAC OSX上打开jpeg会出现问题，所以我不得不先把它们转换成pngs格式，然后再把它们转换成jpeg格式。实际上，我可以把它们放在pngs格式中，API也是应该支持这一点的。

最后，在对图像进行标记之后，我编写了一个脚本，该脚本将XML文件转换为csv，然后创建TFRecords。我使用了160张图片用于进行训练(train.records)和40张用于测试的图片(test.records)。这个脚本也可以在我的repo中找到。

备注:

• 我还发现了另一个叫做FIAT(快速图像数据注释工具)的注释工具，它看起来也很不错。你可以尝试一下。


• 对于命令行中的图像处理，例如将多个图像转换为不同的文件格式，我推荐你使用ImageMagick，它是一个非常好的工具。如果你没有使用过，那就值得尝试一下。


• 确保图像的大小是中等的。如果图像太大，你可能会在训练期间运行内存不足，特别是当你不更改默认批处理大小设置时。

一个目标探测训练管道。它们还在repo上提供了样本配置文件。在我的训练中，我使用ssd_mobilenet_v1_pets.config作为基础。我需要将num_classes调整为1，并为模型检查点(checkpoint)、训练和测试数据文件以及标签映射（label map）设置路径(PATH_TO_BE_CONFIGURED)。至于其他配置，比如学习速率、批处理大小等等，我使用了它们的默认设置。

注意:如果你的数据集没有很大的变化，比如不同的缩放比例、姿态等等，那么数据增强选项（data_augmentation_option）是非常有趣的。这里可以找到一个完整的选项列表(参阅PREPROCESSING_FUNCTION_MAP)。

数据集(TFRecord文件)及其相应的标签映射。如何创建标签映射的例子可以在这里找到。下面是我的标签映射，它很简单，因为只有一个类:

item { 



id: 1 



name: 'raccoon' }

注意:很重要的一点是，你的标签映射应该始终从id 1开始。索引0是一个占位符索引(请参阅这篇讨论以获得关于此主题的更多信息)。

(可选)预训练模型检查点。我们建议使用一个检查点，从预训练模型开始训练总是更好的，因为从头开始的训练可能需要几天的时间才能得到好的结果。在我的例子中，我使用了ssd_mobilenet_v1_coco模型，因为模型速度对我来说比精确度更重要。

现在你可以开始训练了:

• 训练可以在本地完成，也可以在云端完成(AWS、Google cloud等)。如果你在家里有GPU(至少超过2 GB)，那么你可以在本地做，否则我建议你使用云计算。在我的例子中，我这次使用了Google Cloud，基本上遵循了他们文档中描述的所有步骤。


• 对于Google Cloud，你需要定义一个YAML配置文件。还有一个样本文件也被提供，并且基本上我只取默认值。


• 在训练开始时，也建议你开始做评估工作。你可以通过在你的本地机器上运行Tensorboard来监控训练和评估工作的过程。

tensorboard — logdir=gs://${YOUR_CLOUD_BUCKET}

以下是我的训练和评估的结果。总的来说，我以一个批尺寸为24的22k步长运行了大概一个小时，但是我已经在大约40分钟内取得了很好的效果。

这是总损失的演变过程:

由于预训练模型，总损失相当快。

由于我只有一个类，所以只看总mAP(平均准确率)就足够了。

mAP在大约20k步长的时候达到了0.8是非常好的。

这里有一个在训练模型时对一个图像进行评估的例子。

浣熊周围的检查框随着时间的推移变得越来越好。

输出模型

在完成训练之后，我将训练过的模型导出到单个文件(Tensorflow graph proto)中，这样我就可以使用它进行推理。

在我的例子中，我必须将模型检查点从Google Cloud bucket复制到本地机器上，然后使用所提供的脚本导出模型。你可以在我的repo中找到这个模型。

地球上最著名的浣熊

福利：

你可以在Youtube上看一下这个视频：https://www.youtube.com/watch?v=W0sRoho8COI(浣熊检测器是令人震惊的)

如果你看过这个视频,你会发现并不是每个浣熊都被检测到或是被误分类。这是合乎逻辑的,因为我们只训练在一个小的数据集的模型。

 

 

此文为编译作品，作者Dat Tran，原网址：https://webcache.googleusercontent.com/search?q=cache:G8Pazlki568J:https://medium.com/towards-data-science/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9+&cd=1&hl=en&ct=clnk&gl=jp