tensorflow-multiobject-detection/path.txt at master · michmue/tensorflow-multiobject-detection · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
CMD:

cd C:\tf

.venv\Scripts\activate

set PYTHONPATH=C:\tf\models;C:\tf\models\research;C:\tf\models\research\slim

cd models\research\object_detection

python Object_detection_image.py


Training (im Ordner object_detection):

  Bilder nicht größer als 200KB mit höchstens 720 x 1280 --> 20% in \object_detection\images\test, 80% in \object_detection\images\train
  (resizer.py Script zum Bilder verkleinern)

python xml_to_csv.py
  (erstellt train_labels.csv- und test_labels.csv-Datei mit allen Daten aus den .xml-Datein der train- und test-Bilder)

  generate_tfrecord.py im Texteditor öffnen und lable map ab Zeile 31 ersetzen

python generate_tfrecord.py --csv_input=images\train_labels.csv --image_dir=images\train --output_path=train.record
python generate_tfrecord.py --csv_input=images\test_labels.csv --image_dir=images\test --output_path=test.record
  (generiert train.record- und test.record-Datei)

  Neue Texteditor-Datei labelmap.pbtxt im Ordner \object_detection\training erstellen mit lable map:
	item {
	  id: 1
	  name: 'nine'
	}

	item {
	  id: 2
	  name: 'ten'
	}

	item {
	  id: 3
	  name: 'ace'
	}

	...

  faster_rcnn_inception_v2_pets.config-Datei aus Ordner \object_detection\samples\configs in Ordner \object_detection\training kopieren und im Texteditor bearbeiten:
	Zeile 9:	num_classes : 3
	Zeile 106:	fine_tune_checkpoint : "C:/tf/models/research/object_detection/faster_rcnn_inception_v2_coco_2018_01_28/model.ckpt"
	Zeile 123/125:	input_path : "C:/tf/models/research/object_detection/train.record"
			label_map_path: "C:/tf/models/research/object_detection/training/labelmap.pbtxt"
	Zeile 130:	num_examples --> Anzahl der Bilder in \images\test
	Zeile 135/137:	input_path : "C:/tf/models/research/object_detection/test.record"
			label_map_path: "C:/tf/models/research/object_detection/training/labelmap.pbtxt"

  train.py-Datei aus Ordner \object_detection\legacy in Ordner \object_detection kopieren

python train.py --logtostderr --train_dir=training/ --pipeline_config_path=training/faster_rcnn_inception_v2_pets.config
  (Training starten)

  Trainieren lassen bis loss unter 0.05 liegt (bei SSD loss kleiner als 2)

tensorboard --logdir=training
  ((neues CMD-Fenster) Fortschritt anzeigen --> YourPCName:6006 im Browser)

  Training abbrechen mit Strg+C (Checkpoint abwarten)