tensorflow项目学习(1)——训练自己的数据集并进行物体检测(object detection)

Tensorflow Object Detection

前言

本文主要介绍如何利用官方库tensorflow/models/research/objection
并通过faster rcnn resnet 101(以及其他)深度学习框架
训练自己的数据集，并对训练结果进行检测和评估

准备工作

1. 准备自己的数据集

数据集文件目录如下

datas/
    datas/
        img/
        xml/
    disk_label_map.pbtxt

img/目录下为数据集图片

xml/目录下为图片对应的信息

15_11_09_53_513.xml

<?xml version="1.0" encoding="utf-8"?>
<annotation>
    <folder>datas</folder>
    <filename>jpg</filename>
    <source>
        <database>Unknown</database>
    </source>
    <size>
        <width>564</width>
        <height>430</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
    <object>
        <name>rect</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>255</xmin>
            <ymin>47</ymin>
            <xmax>460</xmax>
            <ymax>170</ymax>
        </bndbox>
    </object>
    <object>
        <name>rice</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>81</xmin>
            <ymin>165</ymin>
            <xmax>246</xmax>
            <ymax>330</ymax>
        </bndbox>
    </object>
</annotation>

（其中object为检测到的物体，name代表物体类别与disk_label_map.pbtxt中指定的一致，bndbox检测到的区域）

disk_label_map.pbtxt

item {
  id: 1
  name: 'rice'
}

item {
  id: 2
  name: 'soup'
}

item {
  id: 3
  name: 'rect'
}

item {
  id: 4
  name: 'lcir'
}

item {
  id: 5
  name: 'ssquare'
}

item {
  id: 6
  name: 'msquare'
}

item {
  id: 7
  name: 'lsquare'
}

item {
  id: 8
  name: 'bsquare'
}

item {
  id: 9
  name: 'ellipse'
}

2.安装tensorflow-gpu

• 官网下载对应版本，安装nvidia-driver：https://www.nvidia.com/Download/index.aspx
• 安装cuda8.0，tensorflow只支持到cuda8.0: https://developer.nvidia.com/cuda-80-ga2-download-archive
• 安装cudnn6.0，更高的版本也不行：https://developer.nvidia.com/rdp/cudnn-download
• 安装virtualenv隔离的tensorflow-gpu(python)运行环境（virtualenv隔离不是必要）

$ sudo apt-get install python-virtualenv
$ virtualenv --system-site-packages tensorflow （在～目录下创建独立运行环境）