Tensorflow在更新1.0版本之後多了很多新功能，其中放出了很多用tf框架寫的深度網路結構，大大降低了開發難度，利用現成的網路結構，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，這裡記錄下如何完整跑通資料準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種網路結構的預訓練的權重，全部是用COCO資料集進行訓練，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。

這裡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的文件。

訓練前準備：

使用protobuf來配置模型和訓練引數，所以API正常使用必須先編譯protobuf庫，這裡可以下載直接編譯好的pb庫（https://github.com/google/protobuf/releases ），解壓壓縮包後，把protoc加入到環境變數中：

$ cd tensorflow/models$ protoc object_detection/protos/*.
proto --python_out=.

（我是把protoc加到環境變數中，遇到找不到*.proto檔案的報錯，後來把protoc.exe放到models/object_detection目錄下，重新執行才可以）

然後將models和slim（tf高階框架）加入python環境變數：

PYTHONPATH=$PYTHONPATH:/your/path/to/tensorflow/models:/your/
path/to/tensorflow/models/slim

資料準備：

資料集需要轉化成PASCAL VOC結構，API提供了create_pascal_tf_record.py，把VOC結構資料集轉換成.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。

首先需要先要標註影象相應標籤，這裡可以使用labelImg工具。每標註一張樣本，即生成一個xml的標註檔案。然後，把這些標註的xml檔案，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指令碼。這裡只要指定標註的目錄名即可。接下來，然後需要我們把對應的csv格式轉換成.record格式。

def main(): # image_path = os.path.join(os.getcwd(),
'annotations') image_path = r'D:
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.')

呼叫generate_tfrecord.py，注意要指定--csv_input與--output_path這兩個引數。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。接下來指定標籤名稱，仿照models/ object_detection/data/ pet_label_map.pbtxt，重新建立一個檔案，指定標籤名。

item { id: 1 name: 'sunglasses'}

訓練：

根據自己的需要，選擇一款用coco資料集預訓練的模型，把字首model.ckpt放置在待訓練的目錄，這裡meta檔案儲存了graph和metadata，ckpt儲存了網路的weights，這幾個檔案表示預訓練模型的初始狀態。

開啟ssd_mobilenet_v1_pets.config檔案，並做如下修改：

1. num_classes:修改為自己的classes num

1. 將所有PATH_TO_BE_CONFIGURED的地方修改為自己之前設定的路徑（共5處）

其他引數均保持預設引數。

準備好上述檔案後就可以直接呼叫train檔案進行訓練。

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，輸入西面指令後，在瀏覽器輸入localhost:6006（預設）即可。

tensorboard --logdir= D:/training-sets/data-translate/training

這裡面有很多指標曲線，甚至有模型網路架構，筆者對於這裡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，但是筆者在呼叫時，仍有些問題，這裡暫時就不詳細說明了。

Freeze Model模型匯出：

檢視模型實際的效果前，我們需要把訓練的過程檔案匯出，生產.pb的模型檔案。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之類的最後一層的啟用函式命名），而object detection api提供提供了預訓練好的網路，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

匯出完成後，在output_directory下，會生成frozen_inference_graph.pb、model.ckpt.data-00000-of-00001、model.ckpt.meta、model.ckpt.data檔案。

呼叫生成模型：

目錄下本身有一個呼叫的例子，稍微改造如下：

import cv2import numpy as npimport tensorflow as tffrom
object_detection.utils import label_map_utilfrom object_detection.utils import visualization_utils as vis_utilclass TOD(object):
def __init__(self): self.PATH_TO_CKPT = r'D:lib
f-modelmodels-masterobject_detection rainingrozen_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, 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：