Tensorflow在更新1.0版本之后多了很多新功能，其中放出了很多用tf框架寫的深度網(wǎng)絡結(jié)構，大大降低了開發(fā)難度，利用現(xiàn)成的網(wǎng)絡結(jié)構，無論fine-tuning還是重新訓練方便了不少。而且TensorFlow內(nèi)包含了一個強大的物體檢測API，我們可以利用這API來訓練自己的數(shù)據(jù)集實現(xiàn)特殊的目標檢測。最近筆者終于跑通TensorFlow Object Detection API的ssd_mobilenet_v1模型，這里記錄下如何完整跑通數(shù)據(jù)準備到模型使用的整個過程，相信對大家能有所幫助。

Object Detection API提供了5種網(wǎng)絡結(jié)構的預訓練的權重，全部是用數(shù)據(jù)集進行訓練，這五種模型分別是SSD+mobilenet、SSD+inception_v2、R-FCN+resnet101、faster RCNN+resnet101、faster RCNN+inception+resnet101。各個模型的精度和計算所需時間如下。下面及介紹下如何使用Object Detection去訓練自己的模型。

這里TensorFlow的安裝就不再說明了，網(wǎng)上的教程一大把，大家可以找到很詳盡的安裝TensorFlow的文檔。

tensorflow 訓練模型訓練前準備工作

使用protobuf來配置模型和訓練參數(shù)，所以API正常使用必須先編譯protobuf庫，這里可以下載直接編譯好的pb庫（ https://github.com/google/protobuf/releases ），解壓壓縮包后，把protoc加入到環(huán)境變量中：
$ cd tensorflow/models

$ protoc object_detection/protos/*.proto --python_out=.

（我是把protoc加到環(huán)境變量中，遇到找不到*.proto文件的報錯，后來把protoc.exe放到models/object_detection目錄下，重新執(zhí)行才可以）

然后將models和slim（tf高級框架）加入python環(huán)境變量：
PYTHONPATH=$PYTHONPATH:/your/path/to/tensorflow/models:/your/path/to/tensorflow/models/slim

tensorflow 訓練模型數(shù)據(jù)準備

數(shù)據(jù)集需要轉(zhuǎn)化成PASCAL VOC結(jié)構，API提供了create_pascal_tf_record.py，把VOC結(jié)構數(shù)據(jù)集轉(zhuǎn)換成.record格式。不過我們發(fā)現(xiàn)更簡單的方式，Datitran提供一種更簡單生產(chǎn).record格式的方法。

首先需要先要標注圖像相應標簽，這里可以使用labelImg工具。每標注一張樣本，即生成一個xml的標注文件。然后，把這些標注的xml文件，按訓練集與驗證集分別放置到兩個目錄下，在Datitran提供了xml_to_csv.py腳本。這里只要指定標注的目錄名即可。接下來，然后需要我們把對應的csv格式轉(zhuǎn)換成.record格式。

def main():
# image_path = os.path.join(os.getcwd(), 'annotations')
image_path = r'D: raining-setsobject-detectionsunglasseslabel est'
xml_df = xml_to_csv(image_path)
xml_df.to_csv('sunglasses_test_labels.csv', index=None)
print('Successfully converted xml to csv.')

調(diào)用generate_tfrecord.py，注意要指定--csv_input與--output_path這兩個參數(shù)。執(zhí)行下面命令：
python generate_tfrecord.py --csv_input=sunglasses_test_labels.csv --output_path=sunglass_test.record

這樣就生成了訓練及驗證用的train.record與test.record。接下來指定標簽名稱，仿照models/ object_detection/data/ pet_label_map.pbtxt，重新創(chuàng)建一個文件，指定標簽名。
item {
id: 1
name: 'sunglasses'
}

tensorflow 訓練模型訓練教程

根據(jù)自己的需要，選擇一款用coco數(shù)據(jù)集預訓練的模型，把前綴model.ckpt放置在待訓練的目錄，這里meta文件保存了graph和metadata，ckpt保存了網(wǎng)絡的weights，這幾個文件表示預訓練模型的初始狀態(tài)。

打開ssd_mobilenet_v1_pets.config文件，并做如下修改：

num_classes:修改為自己的classes num

將所有PATH_TO_BE_CONFIGURED的地方修改為自己之前設置的路徑（共5處）

其他參數(shù)均保持默認參數(shù)。

準備好上述文件后就可以直接調(diào)用train文件進行訓練。
python object_detection/train.py
--logtostderr
--pipeline_config_path= D:/training-sets /data-translate/training/ssd_mobilenet_v1_pets.config
--train_dir=D:/training-sets/data-translate/training

TensorBoard監(jiān)控：

通過tensorboard工具，可以監(jiān)控訓練過程，輸入西面指令后，在瀏覽器輸入localhost:6006（默認）即可。
tensorboard --logdir= D:/training-sets/data-translate/training

這里面有很多指標曲線，甚至有模型網(wǎng)絡架構，筆者對于這里面很多指標含義還沒有弄明白，不過感覺出TensorBoard這個工具應該是極其強大。不過我們可以通過Total_Loss來看整體訓練的情況。

從整體上看，loss曲線確實是收斂的，整體的訓練效果還是滿意的。另外，TensorFlow還提供了訓練過程中利用驗證集驗證準確性的能力，但是筆者在調(diào)用時，仍有些問題，這里暫時就不詳細說明了。

Freeze Model模型導出：

查看模型實際的效果前，我們需要把訓練的過程文件導出，生產(chǎn).pb的模型文件。本來，tensorflow/python/tools/freeze_graph.py提供了freeze model的api，但是需要提供輸出的final node names（一般是softmax之類的最后一層的激活函數(shù)命名），而object detection api提供提供了預訓練好的網(wǎng)絡，final node name并不好找，所以object_detection目錄下還提供了export_inference_graph.py。
python export_inference_graph.py
--input_type image_tensor
--pipeline_config_path D:/training-sets /data-translate/training/ssd_mobilenet_v1_pets.config
--trained_checkpoint_prefix D:/training-sets /data-translate/training/ssd_mobilenet_v1_pets.config /model.ckpt-*
--output_directory D:/training-sets /data-translate/training/result

導出完成后，在output_directory下，會生成frozen_inference_graph.pb、model.ckpt.data-00000-of-00001、model.ckpt.meta、model.ckpt.data文件。

調(diào)用生成模型：

目錄下本身有一個調(diào)用的例子，稍微改造如下：
import cv2
import numpy as np
import tensorflow as tf
from object_detection.utils import label_map_util
from object_detection.utils import visualization_utils as vis_util

class TOD(object):
def __init__(self):
self.PATH_TO_CKPT = r'D:lib f-modelmodels-masterobject_detection rainingfrozen_inference_graph.pb'
self.PATH_TO_LABELS = r'D:lib f-modelmodels-masterobject_detection rainingsunglasses_label_map.pbtxt'
self.NUM_CLASSES = 1
self.detection_graph = self._load_model()
self.category_index = self._load_label_map()

def _load_model(self):
detection_graph = tf.Graph()
with detection_graph.as_default():
od_graph_def = tf.GraphDef()
with tf.gfile.GFile(self.PATH_TO_CKPT, 'rb') as fid:
serialized_graph = fid.read()
od_graph_def.ParseFromString(serialized_graph)
tf.import_graph_def(od_graph_def,)
return detection_graph

def _load_label_map(self):
label_map = label_map_util.load_labelmap(self.PATH_TO_LABELS)
categories = label_map_util.convert_label_map_to_categories(label_map,
max_num_classes=self.NUM_CLASSES,
use_display_name=True)
category_index = label_map_util.create_category_index(categories)
return category_index

def detect(self, image):
with self.detection_graph.as_default():
with tf.Session(graph=self.detection_graph) as sess:
# Expand dimensions since the model expects images to have shape: [1, None, None, 3]
image_np_expanded = np.expand_dims(image, axis=0)
image_tensor = self.detection_graph.get_tensor_by_name('image_tensor:0')
boxes = self.detection_graph.get_tensor_by_name('detection_boxes:0')
scores = self.detection_graph.get_tensor_by_name('detection_scores:0')
classes = self.detection_graph.get_tensor_by_name('detection_classes:0')
num_detections = self.detection_graph.get_tensor_by_name('num_detections:0')
# Actual detection.
(boxes, scores, classes, num_detections) = sess.run(
[boxes, scores, classes, num_detections],
feed_dict={image_tensor: image_np_expanded})
# Visualization of the results of a detection.
vis_util.visualize_boxes_and_labels_on_image_array(
image,
np.squeeze(boxes),
np.squeeze(classes).astype(np.int32),
np.squeeze(scores),
self.category_index,
use_normalized_coordinates=True,
line_thickness=8)

cv2.namedWindow("detection", cv2.WINDOW_NORMAL)
cv2.imshow("detection", image)
cv2.waitKey(0)

if __name__ == '__main__':
image = cv2.imread('image.jpg')
detecotr = TOD()
detecotr.detect(image)

下面是一些圖片的識別效果：