readme.md
### 1. 大标题** 1.1 子标题 **'''重点或者命令'''### 大标题- 拓展说明### 5. 深度学习中的目标检测**5.2.3 训练新的模型**目录为:```research/object_detection/voc/VOCdevkit/VOC2012/JPEGImages/...
·
### 1. 大标题
** 1.1 子标题 **
'''
重点或者命令
'''
### 大标题
- 拓展说明
### 5. 深度学习中的目标检测
**5.2.3 训练新的模型**
目录为:
```
research/
object_detection/
voc/
VOCdevkit/
VOC2012/
JPEGImages/
2007_000027.jpg
2007_000032.jpg
………………
Annotations/
2007_000027.xml
2007_000032.xml
………………
………………
```
在object_detection目录中执行如下命令将数据集转换为tfrecord:
```
python create_pascal_tf_record.py --data_dir voc/VOCdevkit/ --year=VOC2012 --set=train --output_path=voc/pascal_train.record
python create_pascal_tf_record.py --data_dir voc/VOCdevkit/ --year=VOC2012 --set=val --output_path=voc/pascal_val.record
```
**5.2.4 导出模型并预测单张图片**
运行(需要根据voc/train_dir/里实际保存的checkpoint,将1582改为合适的数值):
```
python export_inference_graph.py \
--input_type image_tensor \
--pipeline_config_path voc/voc.config \
--trained_checkpoint_prefix voc/train_dir/model.ckpt-1582
--output_directory voc/export/
```
导出的模型是voc/export/frozen_inference_graph.pb 文件。
#### 拓展阅读
- 本章提到的R-CNN、SPPNet、Fast R-CNN、Faster R-CNN 都是基于 区域的深度目标检测方法。可以按顺序阅读以下论文了解更多细节: Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation (R-CNN) 、Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition(SPPNet)、Fast R-CNN (Fast R-CNN)、Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks(Faster R-CNN)。
- 限于篇幅,除了本章提到的这些方法外,还有一些有较高参考价值 的深度学习目标检测方法,这里同样推荐一下相关的论文:R-FCN: Object Detection via Region-based Fully Convolutional Networks (R-FCN)、You Only Look Once: Unified, Real-Time Object Detection (YOLO)、SSD: Single Shot MultiBox Detector(SSD)、YOLO9000: Better, Faster, Stronger(YOLO v2 和YOLO9000)等。
更多推荐
已为社区贡献1条内容
所有评论(0)