這篇文章是“用Tensorflow和OpenCV構建實時物件識別應用”的後續文章。具體來說，我在自己收集和標記的資料集上訓練了我的浣熊檢測器。完整的資料集可以在我的Github repo上看到。

看一下這個動圖，這是執行中的浣熊探測器:

浣熊檢測器

如果你想知道這個探測器的更多細節，就繼續讀下去！

在這篇文章中，我將解釋所有必要的步驟來訓練你自己的檢測器。特別地，我建立了一個具有相對良好結果的物件檢測器來識別浣熊。

建立資料集

你需要做的第一件事是建立自己的資料集:Tensorflow的Object Detection API使用TFRecord檔案格式，因此在最後我們需要將資料集轉換為該檔案格式。

有幾個選項可以生成TFRecord檔案。如果你有一個與PASCAL VOC資料集或者Oxford Pet資料集相似的資料集，那麼它們對本操作就有了一個現成的指令碼(參見py和create_pet_tf_record.py)。如果你沒有其中之一，那麼你需要編寫自己的指令碼來生成TFRecords。

為了準備API的輸入檔案，你需要考慮兩件事。首先，你需要一個RGB影象，它被編碼為jpeg或png，其次你需要一個影象的包圍盒(xmin，ymin，xmax，ymax)，以及在包圍盒中的物件的類。

我在谷歌圖片和Pixabay上湊齊了200只浣熊的照片(主要格式是jpeg，還有一些pngs)，這些圖片在比例、姿勢和光線上都有很大的變化。以下是我收集的浣熊影象資料集的一個子集:

浣熊影象資料集的子集

之後，我用LabelImg手動給它們貼上標籤。LabelImg是一種圖形化的影象註釋工具，它是用Python編寫的，並且使用Qt作為圖形介面。它支援Python2和Python3，但是我用Python2和Qt4來構建它，因為我用Python3和Qt5會出現一些問題。LabelImg非常容易使用，而且註釋被作為XML檔案儲存在PASCAL VOC格式中，這意味著我也可以使用該檔案的create_pascal_tf_record.py指令碼。但是我並沒有這樣做，因為我想要建立我自己的指令碼。

在某種程度上，LabelImg在MAC OSX上開啟jpeg會出現問題，所以我不得不先把它們轉換成pngs格式，然後再把它們轉換成jpeg格式。實際上，我可以把它們放在pngs格式中，API也是應該支援這一點的。

最後，在對影象進行標記之後，我編寫了一個指令碼，該指令碼將XML檔案轉換為csv，然後建立TFRecords。我使用了160張圖片用於進行訓練(train.records)和40張用於測試的圖片(test.records)。這個指令碼也可以在我的repo中找到。

備註:

• 我還發現了另一個叫做FIAT(快速影象資料註釋工具)的註釋工具，它看起來也很不錯。你可以嘗試一下。
• 對於命令列中的影象處理，例如將多個影象轉換為不同的檔案格式，我推薦你使用ImageMagick，它是一個非常好的工具。如果你沒有使用過，那就值得嘗試一下。
• 確保影象的大小是中等的。如果影象太大，你可能會在訓練期間執行記憶體不足，特別是當你不更改預設批處理大小設定時。

一個目標探測訓練管道。它們還在repo上提供了樣本配置檔案。在我的訓練中，我使用ssd_mobilenet_v1_pets.config作為基礎。我需要將num_classes調整為1，併為模型檢查點(checkpoint)、訓練和測試資料檔案以及標籤對映（label map）設定路徑(PATH_TO_BE_CONFIGURED)。至於其他配置，比如學習速率、批處理大小等等，我使用了它們的預設設定。

注意:如果你的資料集沒有很大的變化，比如不同的縮放比例、姿態等等，那麼資料增強選項（data_augmentation_option）是非常有趣的。這裡可以找到一個完整的選項列表(參閱PREPROCESSING_FUNCTION_MAP)。

資料集(TFRecord檔案)及其相應的標籤對映。如何建立標籤對映的例子可以在這裡找到。下面是我的標籤對映，它很簡單，因為只有一個類:

item { 

id: 1 

name: 'raccoon' }

注意:很重要的一點是，你的標籤對映應該始終從id 1開始。索引0是一個佔位符索引(請參閱這篇討論以獲得關於此主題的更多資訊)。

(可選)預訓練模型檢查點。我們建議使用一個檢查點，從預訓練模型開始訓練總是更好的，因為從頭開始的訓練可能需要幾天的時間才能得到好的結果。在我的例子中，我使用了ssd_mobilenet_v1_coco模型，因為模型速度對我來說比精確度更重要。

現在你可以開始訓練了:

• 訓練可以在本地完成，也可以在雲端完成(AWS、Google cloud等)。如果你在家裡有GPU(至少超過2 GB)，那麼你可以在本地做，否則我建議你使用雲端計算。在我的例子中，我這次使用了Google Cloud，基本上遵循了他們文件中描述的所有步驟。
• 對於Google Cloud，你需要定義一個YAML配置檔案。還有一個樣本檔案也被提供，並且基本上我只取預設值。
• 在訓練開始時，也建議你開始做評估工作。你可以通過在你的本地機器上執行Tensorboard來監控訓練和評估工作的過程。

tensorboard — logdir=gs://${YOUR_CLOUD_BUCKET}

以下是我的訓練和評估的結果。總的來說，我以一個批尺寸為24的22k步長運行了大概一個小時，但是我已經在大約40分鐘內取得了很好的效果。

這是總損失的演變過程:

由於預訓練模型，總損失相當快。

由於我只有一個類，所以只看總mAP(平均準確率)就足夠了。

mAP在大約20k步長的時候達到了0.8是非常好的。

這裡有一個在訓練模型時對一個影象進行評估的例子。

浣熊周圍的檢查框隨著時間的推移變得越來越好。

輸出模型

在完成訓練之後，我將訓練過的模型匯出到單個檔案(Tensorflow graph proto)中，這樣我就可以使用它進行推理。

在我的例子中，我必須將模型檢查點從Google Cloud bucket複製到本地機器上，然後使用所提供的指令碼匯出模型。你可以在我的repo中找到這個模型。

地球上最著名的浣熊

福利：

你可以在Youtube上看一下這個視訊：https://www.youtube.com/watch?v=W0sRoho8COI(浣熊檢測器是令人震驚的)

如果你看過這個視訊,你會發現並不是每個浣熊都被檢測到或是被誤分類。這是合乎邏輯的,因為我們只訓練在一個小的資料集的模型。

此文為編譯作品，作者Dat Tran，原網址：https://webcache.googleusercontent.com/search?q=cache:G8Pazlki568J:https://medium.com/towards-data-science/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9+&cd=1&hl=en&ct=clnk&gl=jp