这篇博客详细介绍了在Windows 10环境下，使用Python 3.7和TensorFlow-GPU 1.13配合CUDA 10.1及CuDNN 7.5进行目标检测的完整流程。包括图像数据集划分、LabelImg标注、XML转CSV、生成TF记录文件、配置训练参数、训练模型、损失曲线监控、模型导出和应用新分类器等步骤。
参考自https://github.com/EdjeElectronics/TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10
1.将图像分为train和test两类，分别拷贝到.. models\images\test和.. models\images\train目录下；
2.利用LabelImg分别对train和test目录中的所有图像进行标注，在两个目录下分别生成各个图像的.xml文件；
3.打开Anaconda prompt，设置模型环境变量：
set PYTHONPATH=d:\tensorflow1\models;d:\tensorflow1\models\research;d:\tensorflow1\models\research\slim
4.利用xml_to_csv将XML文件转换为CSV文件:
(tensorflow1) C:\tensorflow1\models\research\object_detection> python xml_to_csv.py
5.修改generate_tfrecord文件，跳转到31行，分别修改类别名称。
6.生成train.record和test.record文件：
python generate_tfrecord.py --csv_input=images\train_labels.csv --image_dir=images\t
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
