歡迎大家前往騰訊雲技術社區，獲取更多騰訊海量技術實踐干貨哦~
作者：付越
導語
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框架寫的深度網絡結構（https://github.com/tensorflow/models ），大大降低了開發難度，利用現成的網絡結構，無論fine-tuning還是重新訓練方便了不少。最近筆者終於跑通TensorFlow Object Detection API的ssd_mobilenet_v1模型，這里記錄下如何完整跑通數據准備到模型使用的整個過程，相信對自己和一些同學能有所幫助。
Object Detection API提供了5種網絡結構的預訓練的權重，全部是用COCO數據集進行訓練，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，網上的教程一大把，大家可以找到很詳盡的安裝TensorFlow的文檔。
訓練前准備：
使用protobuf來配置模型和訓練參數，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加入到環境變量中：
$ cd tensorflow/models $ protoc object_detection/protos/*.proto --python_out=.
（我是把protoc加到環境變量中，遇到找不到*.proto文件的報錯，后來把protoc.exe放到models/object_detection目錄下，重新執行才可以）
然后將models和slim（tf高級框架）加入python環境變量：
PYTHONPATH=$PYTHONPATH:/your/path/to/tensorflow/models:/your/path/to/tensorflow/models/slim
數據准備：
數據集需要轉化成PASCAL VOC結構，API提供了create_pascal_tf_record.py，把VOC結構數據集轉換成.record格式。不過我們發現更簡單的方式，Datitran提供一種更簡單生產.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格式轉換成.record格式。
def main(): # image_path = os.path.join(os.getcwd(), 'annotations') image_path = r'D:\training-sets\object-detection\sunglasses\label\test' xml_df = xml_to_csv(image_path) xml_df.to_csv('sunglasses_test_labels.csv', index=None) print('Successfully converted xml to csv.')
調用generate_tfrecord.py，注意要指定--csv_input與--output_path這兩個參數。執行下面命令：
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，重新創建一個文件，指定標簽名。
item { id: 1 name: 'sunglasses' }
訓練：
根據自己的需要，選擇一款用coco數據集預訓練的模型，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保存了網絡的weights，這幾個文件表示預訓練模型的初始狀態。
打開ssd_mobilenet_v1_pets.config文件，並做如下修改：
- 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）
其他參數均保持默認參數。
准備好上述文件后就可以直接調用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監控：
通過tensorboard工具，可以監控訓練過程，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，甚至有模型網絡架構，筆者對於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准確性的能力，但是筆者在調用時，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.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命名），而object detection api提供提供了預訓練好的網絡，final node name並不好找，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。
調用生成模型：
目錄下本身有一個調用的例子，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\tf-model\models-master\object_detection\training\frozen_inference_graph.pb' self.PATH_TO_LABELS = r'D:\lib\tf-model\models-master\object_detection\training\sunglasses_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, name='') 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：
相關閱讀
[ I am Jarvis ] ：聊聊 FaceID 背后的深度學習視覺算法
此文已由作者授權騰訊雲技術社區發布，轉載請注明文章出處
原文鏈接：https://cloud.tencent.com/community/article/351424