Faster-Rcnn-tf超详细训练过程＜小白入门专用＞手把手教学

最新推荐文章于 2022-12-14 23:56:24 发布

原创

最新推荐文章于 2022-12-14 23:56:24 发布 · 944 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#python #tensorflow #深度学习

本文是一篇针对小白的Faster R-CNN在TensorFlow上的详细训练指南。首先从在GitHub上获取源码开始，接着介绍环境配置（Python3.6和TensorFlow1.13），然后是预训练模型的添加和数据集的格式要求。接下来，讲述了如何生成重编码文件，启动训练并保存模型。最后，文章提供了测试训练结果的步骤，包括修改demo.py文件中的路径设置并运行程序。

1.获取faster-rcnn源码。

github官方下载连接：https://github.com/endernewton/tf-faster-rcnn

2.配置环境

python3.6 、 tensorflow1.13
使用pip install -r requirements.txt，直接下载所需依赖

3.添加预训练模型

下载vgg16模型，并且保存在路径：./data/imagenet_weights中,命名为vgg16.ckpt

4.数据集格式

数据集存放路径.\data\VOCdevkit2007\VOC2007
数据集如图所示：
在这里插入图片描述
其中Annotations存放.xml标注文件，Imagesets存放数据集划分文件，JPEGImages存放图片。其中Annotations与JPEGImages中文件名称一一对应。Imagesets中的文件可通过如下代码自动划分：

import os
import random


trainval_percent = 0.95     #训练集占比
train_percent = 0.95
xmlfilepath = 'data/Annotations'   #此处路径修改为你的本地路径
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath