前言

之前写了一篇如何在windows系统上安装Tensorflow Object Detection API？（点击跳转）

然后就想着把数据集换成自己的数据集进行训练得到自己的目标检测模型。动手之前先学习了一波别人是如何实现的，看了大多数教程都有一个小问题：用VOC2012数据集进行训练当做用自己的数据集。

然而，初心想看的是自己的数据集啊！于是就自己来撸一篇教程，方便自己也给别人一些参考吧~

目录

基于自己数据集进行目标检测训练的整体步骤如下：

• 数据标注，制作VOC格式的数据集

• 将数据集制作成tfrecord格式

• 下载预使用的目标检测模型

• 配置文件和模型

• 模型训练

这里放一下小詹这个项目的整体截图，方便后边文件的对号入座。

数据标注，制作VOC格式的数据集

数据集当然是第一步，在收集好数据后需要进行数据的标注，考虑到VOC风格，这里推荐使用LabelImg工具进行标注。

至于工具具体怎么用，自己摸索下就好，小詹已经把关键点地方框选出来啦。（Tip: Ctrl+R选择标注文件存放路径）

将数据集制作成tfrecord格式

这一部需要将手动标注的xml文件进行处理，得到标注信息csv文件，之后和图像数据一起制作成tfrecord格式的数据，用于网络训练。

xml转换为csv文件

这一步需要对xml文件进行解析，提取出标注信息存入csv文件，这里直接把小詹的脚步文件（Xml2Csv.py）分享如下，当然文件路径你得换成自己的！

# 将xml文件读取关键信息转化为csv文件

import os
import glob
import pandas as pd
import xml.etree.ElementTree as ET

def xml_to_csv(path):
    xml_list = []
    for xml_file in glob.glob(path + '/*.xml'):
        tree = ET.parse(xml_file)
        root = tree.getroot()
        for member in root.findall('object'):
            value = (root.find('filename').text,
                     int(root.find('size')[0].text),
                     int(root.find('size')[1].text),
                     member[0].text,
                     int(member[4][0].text),
                     int(member[4][1].text),
                     int(member[4][2].text),
                     int(member[4][3].text)
                     )
            xml_list.append(value)
    column_name = ['filename', 'width', 'height', 'class', 'xmin', 'ymin', 'xmax', 'ymax']
    xml_df = pd.DataFrame(xml_list, columns=column_name)
    return xml_df

def main():
    image_path = r'E:\Jan_Project\Experiment_1\dataset\test_xml'
    xml_df = xml_to_csv(image_path)
    xml_df.to_csv(r'E:\Jan_Project\Experiment_1\dataset\cancer_test_labels.csv', index=None)
    print('Successfully converted xml to csv.')

if __name__ == '__main__':
    main()

生成tfrecord数据文件

之后在对应文件路径处就有了csv文件，再利用如下脚步自动生成tfrecord。（这是github上生成文件的修改版）

# 将CSV文件和图像数据整合为TFRecords

"""
name: generate_tfrecord.py

Usage:
  # From tensorflow/models/
  # Create train data:
  python generate_tfrecord.py --csv_input=data/train_labels.csv  --output_path=train.record

# Create test data:
  python generate_tfrecord.py --csv_input=data/test_labels.csv  --output_path=test.record
"""
from __future__ import division
from __future__ import print_function
from __future__ import absolute_import

import os
import io
import pandas as pd
import tensorflow as tf

from PIL import Image
from object_detection.utils import dataset_util
from collections import namedtuple, OrderedDict

flags = tf.app.flags
flags.DEFINE_string('csv_input', '', 'Path to the CSV input')
flags.DEFINE_string('output_path', '', 'Path to output TFRecord')
FLAGS = flags.FLAGS

# TO-DO replace this with label map
def class_text_to_int(row_label):
    if row_label == 'yichang':
        return 1
    else:
        None

def split(df, group):
    data = namedtuple('data', ['filename', 'object'])
    gb = df.groupby(group)
    return [data(filename, gb.get_group(x)) for filename, x in zip(gb.groups.keys(), gb.groups)]

def create_tf_example(group, path):
    with tf.gfile.GFile(os.path.join(path, '{}'.format(group.filename)), 'rb') as fid:
        encoded_jpg = fid.read()
    encoded_jpg_io = io.BytesIO(encoded_jpg)
    image = Image.open(encoded_jpg_io)
    width, height = image.size

filename = group.filename.encode('utf8')
    image_format = b'jpg'
    xmins = []
    xmaxs = []
    ymins = []
    ymaxs = []
    classes_text = []
    classes = []

for index, row in group.object.iterrows():
        xmins.append(row['xmin'] / width)
        xmaxs.append(row['xmax'] / width)
        ymins.append(row['ymin'] / height)
        ymaxs.append(row['ymax'] / height)
        classes_text.append(row['class'].encode('utf8'))
        classes.append(class_text_to_int(row['class']))

tf_example = tf.train.Example(features=tf.train.Features(feature={
        'image/height': dataset_util.int64_feature(height),
        'image/width': dataset_util.int64_feature(width),
        'image/filename': dataset_util.bytes_feature(filename),
        'image/source_id': dataset_util.bytes_feature(filename),
        'image/encoded': dataset_util.bytes_feature(encoded_jpg),
        'image/format': dataset_util.bytes_feature(image_format),
        'image/object/bbox/xmin': dataset_util.float_list_feature(xmins),
        'image/object/bbox/xmax': dataset_util.float_list_feature(xmaxs),
        'image/object/bbox/ymin': dataset_util.float_list_feature(ymins),
        'image/object/bbox/ymax': dataset_util.float_list_feature(ymaxs),
        'image/object/class/text': dataset_util.bytes_list_feature(classes_text),
        'image/object/class/label': dataset_util.int64_list_feature(classes),
    }))
    return tf_example

def main(csv_input, output_path, image_path):
    writer = tf.python_io.TFRecordWriter(output_path)
    path = image_path
    examples = pd.read_csv(csv_input)
    grouped = split(examples, 'filename')
    for group in grouped:
        tf_example = create_tf_example(group, path)
        writer.write(tf_example.SerializeToString())

writer.close()
    print('Successfully created the TFRecords: {}'.format(output_path))

if __name__ == '__main__':
#     csv_input = r'E:\Jan_Project\Experiment_1\dataset\cancer_train_labels.csv'
#     output_path = r'E:\Jan_Project\Experiment_1\dataset\train.tfrecord'
#     image_path = r'E:\Jan_Project\Experiment_1\dataset\train_img'
#     main(csv_input, output_path, image_path)

csv_input = r'E:\Jan_Project\Experiment_1\dataset\cancer_test_labels.csv'
    output_path = r'E:\Jan_Project\Experiment_1\dataset\test.tfrecord'
    image_path = r'E:\Jan_Project\Experiment_1\dataset\test_img'
    main(csv_input, output_path, image_path)

利用上述脚步后便得到了想要的数据格式，小詹这里如图所示：

下载预使用的目标检测模型

准备好训练数据后，选择模型进行训练，下载官方预训练模型【Github】
对于目标检测，可以考虑选择几种最常用的模型：

• ssd_mobilenet_v1_coco

• ssd_mobilenet_v2_coco

• faster_rcnn_resnet50_coco

• faster_rcnn_resnet101_coco

小詹选择的是上方链接中对应下图的那个，自己视情况而定即可。

下载后解压到对应文件夹中（见小詹放的第一张项目整体图）

配置文件和模型

建立label_map.pbtxt

这里需要针对自己数据集进行修改，格式如下：

item{
   id: 1
   name: 'object'
}

修改

进入tensorflow/models/research/object_detection/samples/config文件夹找到对应自己模型的config文件，针对自己的情况进行修改：

num_classes: 修改为你自己任务的类别数
batch size：2（GPU显存较小的，尽量设置成小数值）

fine_tune_checkpoint: "路径/model.ckpt" #指定“训练模型的检查点文件”

train_input_reader: {
  tf_record_input_reader {
    input_path: "路径/train.tfrecord"
  }
  label_map_path: "路径/label_map.pbtxt"
}

eval_input_reader: {
  tf_record_input_reader {
    input_path: "路径/test.tfrecord"
  }
  label_map_path: "路径/label_map.pbtxt"
  shuffle: false
  num_readers: 1

模型训练

关于训练，要注意batch size大小和网络模型复杂程度，注意显存是否够大？显存不够就OOM（out of memory）了。

训练模型只需要运行object_detection/legacy路径下的train.py程序即可。(当然object_detection API安装是大前提，具体看上一篇文章！)

本地电脑：

python object_detection//legacy//train.py --logtostderr --train_dir=E://Jan_Project//Experiment_1//model --pipeline_config_path=E://Jan_Project//Experiment_1//training//faster_rcnn_inception_v2_coco.config

如果配置不够，可以云服务器上跑。以下是训练过程截图。

训练后还可以导出模型,用于检测测试。

#From tensorflow/modles/research/object_detection/

python export_inference_graph.py 
--input_type image_tensor 
--pipeline_config_path 路径/***.config
--trained_checkpoint_prefix 路径/model.ckpt-numbers #选择最近的一个或确认收敛到最优的一个
--output_directory 路径/my_model/ #模型的输出路径

以上整理于2019-5-20,节日快乐！

相关推荐：

如何在windows系统上安装Tensorflow Object Detection API？