Tensorflow object detection API 搭建物體識別模型(四)


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:netsobject_detectiontraining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。

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM