四、模型測試
1)下載文件
在已經閱讀並且實踐過前3篇文章的情況下,讀者會有一些文件夾。因為每個讀者的實際操作不同,則文件夾中的內容不同。為了保持本篇文章的獨立性,制作了可以獨立運行的文件夾目標檢測
。
鏈接:https://pan.baidu.com/s/1tHOfRJ6zV7lVEcRPJMiWaw 提取碼:mf9r,下載到桌面,並解壓,目標檢測目錄下存在:nets
、object_detection
、training
三個文件夾,
文件夾
training
中含有訓練了200000次的模型
要求:讀者需要用本文中的文件夾object_detection
替換自己的文件夾object_detection
2)導出訓練好的模型
在目標檢測目錄下,打開dos窗口,cmd中運行命令:setx -m PYTHONPATH "C:\Users\Administrator\Desktop\目標檢測"
運行成功會有提示成功: 指定的值已得到保存
然后,在cmd中運行:
python object_detection/export_inference_graph.py --input_type=image_tensor --pipeline_config_path=training/ssdlite_mobilenet_v2_coco.config --trained_checkpoint_prefix=training/model.ckpt-200000 --output_directory=fish_inference_graph
在桌面的文件夾目標檢測
中產生了文件夾fish_inference_graph
3)下載測試數據
下載地址:https://pan.baidu.com/s/1Ry0ywIXVInGxeHi3uu608g 提取碼: wib3
4)下載並運行測試代碼
鏈接: https://pan.baidu.com/s/1ipn9u-Gj4bVmXpIHlxMgCw 提取碼: dqd1
並將該文件:fish_detection.ipynb移動到目標檢測文件夾下,打開dos窗口后輸入jupyter notebook,然后運行
文件夾n01440764
中共有1300張圖片,測試圖片是隨機選的10張圖片
五、感謝
該Tensorflow object detection API 搭建物體識別模型(一),(二),(三),(四)參考了簡書:https://www.jianshu.com/p/0e5f9df4686a,感謝作者的詳細步驟,其認真負責的態度值得學習。