Tensorflow object detection API 搭建屬於自己的物體識別模型——常見問題彙總 Q&A
建議 Ctrl + F 在頁面內搜尋問題。
如果對問題有新的更好的解決方案歡迎留言。
Q：Image size must contain 3 elements.
圖片大小必須包括3元素
A：圖片不是標準的RGB3通道圖片，把圖片轉化成標準的RGB格式或者刪除有問題的圖片。
如果目錄下有很多圖片，可以用下面的命令來檢查哪些圖片不是標準RGB格式：
from PIL import Image import os path = '/Users/lyz/Desktop/dataset/images/' #圖片目錄 for file in os.listdir(path): extension = file.split('.')[-1] if extension == 'jpg': fileLoc = path+file img = Image.open(fileLoc) if img.mode != 'RGB': print(file+', '+img.mode)
Q: 提取frozen_inference_graph.pb 這一檔案時，出現了資料型別錯誤
TypeError: x and y must have the same dtype, got tf.float32 != tf.int32
A:在 post_processing_builder.py 檔案中，修改下面這個函式：
def _score_converter_fn_with_logit_scale(tf_score_converter_fn, logit_scale): """Create a function to scale logits then apply a Tensorflow function.""" def score_converter_fn(logits): cr = logit_scale cr = tf.constant([[cr]],tf.float32) print(logit_scale) print(logits) scaled_logits = tf.divide(logits, cr, name='scale_logits') #change logit_scale return tf_score_converter_fn(scaled_logits, name='convert_scores') score_converter_fn.__name__ = '%s_with_logit_scale' % ( tf_score_converter_fn.__name__) return score_converter_fn
Q:輸出圖片失真，偏藍色
A:opencv的輸出imwrite函式引數調整，輸出標準RGB格式。
Q:能否識別中文的標籤？
A:沒有測試過，可以試試在訓練檔案裡標註中文。
Q:訓練過程中被打斷，報錯提示
Invalid GIF data, size 247023
A:GIF 檔案過大，不支援格式。（小的GIF是否支援我不清楚，請測試過的讀者告知）
Q:訓練正常，但是效果很差。
A:
1、迭代次數不夠，預設設定200000次，在Tensorboard中檢視，Loss趨於穩定後差不多可以結束訓練；
2、訓練資料少，理論上講，訓練、測試資料數量越多、資料質量約好，效果越好；
3、不同模型效果差異，model zoo上訓練的模型準確率基於公開資料集，雖然速度快的模型不一定效果差，往往是總體準確率高的模型效果好一些。
4、如果本身你自己的資料集較大，類別數量很多，那麼20W次迭代可能還是不夠，看整體損失函式的下降情況而定。
Q: module 'tensorflow.contrib.data' has no attribute 'parallel_interleave'
A: 新舊版本的模組名稱不同，升級到最新版Tensorflow可以解決。
Q:csv檔案轉換為tfrecord檔案出錯
A:
幾點需要確認一下：
1. 在object_detection.py 程式裡，確認 NUM_CLASSES = 你自己的類別數；
2. 確認一下執行時候的路徑有沒有錯（python generate_tfrecord.py --csv_input=data/tv_vehicle_labels.csv --output_path=train.record）
3. .config 檔案裡 num_classes: 你自己的類別數
4. .pbtxt 檔案下 item序號與名稱與generate_tfrecord.py 裡的序號名稱必須一一對應。
Q: 執行 xml_to_csv.py 時出錯，ParseError: not well-formed (invalid token): line 1, column 0
A:
.xml標註檔案裡含有非法字元，是不是用了一些特殊符號？或者改成英文試試。
參考：
Q:
tensorflow.python.framework.errors_impl.NotFoundError: NewRandomAccessFile failed to Create/Open: /yourpath/....jpg; No such process
A: 各個步驟檔名或者路徑的問題，可以先檢查一下。
如果不確定，可以把 報錯的.jpg 以及對應的 .xml檔案開啟檢視一下，確定.xml裡的檔名也是對的，有讀者遇到 images6.jpg 無法開啟報錯，發現images6.xml裡的 filename 是 image6 而不是image6.jpg，這可能是標註軟體Labellmg的問題。
Q: can not reshape array of size 345600 into shape (240,360,3)
A: 圖片大小或者格式不標準，可以檢查一下是不是所有圖片都有這個問題
Q: TypeError: None has type NoneType, but expected one of: int, long
A:
方案1：
在class_text_to_int
函式中定義了不同類別返回的數字：
def class_text_to_int(row_label):
if row_label == 'tv':
return 1
else:
None
把else: 後面的 “None” 改成“return 0”，即
def class_text_to_int(row_label):
if row_label == 'tv':
return 1
else:
return 0
方案2：
部分圖片格式問題，轉化後再試一試。
Q: TypeError: `pred` must be a Tensor, or a Python bool, or 1 or 0. Found instead: None
A:
change 109 line in ssd_mobilenet_v1_feature_extractor.py:
from
is_training=None, regularize_depthwise=True)):
to
is_training=True, regularize_depthwise=True)):Q: 開始訓練以後顯示的loss有兩行，
INFO tensorflow global step 1 loss＝1.1555
INFO tensorflow global step 1 loss＝1.1555
INFO tensorflow global step 2 loss＝1.1556
INFO tensorflow global step 2 loss＝1.1556
A: 這個問題不是很清楚，歡迎讀者討論。
Q: 不訓練自己的模型，直接呼叫官方模型，但是隻用於識別特定一個或者幾個物體可以嗎？
A:
這裡有一個只識別交通訊號燈的例子，可以看看參考一下。
Q: 按照上述步驟訓練後,匯出模型測試圖片,但輸出的圖片與原始圖片一樣,沒有進行任何標註,請問可能是哪裡出錯了?
A:
原因可能又很多：
1、標籤名稱是否正確，包括labelimage內部，generate_tfrecord.py 裡面 def class_text_to_int(row_label): 這個函式中的設定，以及config資料夾下 .pbtxt 檔案。 上述檔案中標籤的名字及對應序號必須相同。
2、再次檢查檔名稱已經資料夾路徑是否正確。
3、Number of classes 是否修改正確。
4、訓練過程是否有異常之處，通過tensorboard視覺化檢視訓練過程。
5、訓練的資料過少也有可能。
6、試一試其他預先訓練好的模型。
Q: 在我進行模型訓練的時候出現了以下問題： Instructions for updating: Please switch to tf.train.create_global_step Traceback (most recent call last): 。。。 TypeError: __init__() got an unexpected keyword argument 'dct_method'
A:
這個應該是由於Tensorflow版本的問題，我的是基於1.4版本，你的應該是1.5版本。 可以在 models/research/object_detection/data_decoders/tf_example_decoder.py 檔案的第110行， 刪去 “dct_method=dct_method”這一句。
具體請看下面這個網址：
https://stackoverflow.com/questions/48920762/tensorflow-error-typeerror-init-got-an-unexpected-keyword-argument-dct
Q: 訓練中斷，怎樣繼續進行？
A: 只要training 資料夾下的檔案沒有動，那麼重新輸入訓練的命令，就會從上次自動儲存的斷點繼續訓練。
Q: 執行train.py的時候報錯 IndexError: list index out of range
A:直接原因是引用了不存在的編號，可以檢查一下訓練的檔案跟生成的csv表格是不是有不存在的圖片名稱
Q: 在訓練時一直出現ValueError: axis = 0 not in [0, 0)，不知道怎麼解決，看您視訊也出現這個問題，但是沒有說解決方案就跳過去了，麻煩您說明一下。
A:
在pipeline.config 檔案中，找到 loss{}這一類，
loss {
classification_loss {
weighted_sigmoid {
}
}
localization_loss {
weighted_smooth_l1 {
}
}
hard_example_miner {
num_hard_examples: 3000
iou_threshold: 0.99
loss_type: CLASSIFICATION
max_negatives_per_positive: 3
min_negatives_per_image: 0
}
classification_weight: 1.0
localization_weight: 1.0
}
改成如下部分：
loss {
classification_loss {
weighted_sigmoid {
anchorwise_output: true #add this
}
}
localization_loss {
weighted_smooth_l1 {
anchorwise_output: true #add this
}
}
hard_example_miner {
num_hard_examples: 3000
iou_threshold: 0.99
loss_type: CLASSIFICATION
max_negatives_per_positive: 3
min_negatives_per_image: 0
}
classification_weight: 1.0
localization_weight: 1.0
}參考：https://github.com/datitran/raccoon_dataset/issues/45
Q: File "C:\ProgramData\anaconda3.1\lib\xml\etree\ElementTree.py", line 597, in parse self._root = parser._parse_whole(source) File "", line unknown ParseError: not well-formed (invalid token): line 1, column 0 請問該如何解決呢
A:
可能在檔案中包含了非法字元，可以在檢查一下，另外我建議標籤用英文。如果還沒解決，看一下這個網址的問題：https://stackoverflow.com/questions/13046240/parseerror-not-well-formed-invalid-token-using-celementtree，裡面有類似問題的解決方案，把xml_to_csv.py裡對應的部分改一下
Q: 博主 ssd_mobile這個模型我可以執行的完美 但換成別的模型 如faster_rcnn_inception_resnet_v2_atrous_coco，會出現下面的問題：ValueError: Tried to convert 't' to a tensor and failed. Error: Argument must be a dense tensor: range(0, 3) - got shape [3], but wanted [].有人用別的模型成功過的嗎
A:我之前用1.4版本的時候是成功過的。你的問題我谷歌上搜了一下似乎是相容性的問題，github上有相關的解決方法你可以參考一下：
https://github.com/tensorflow/models/issues/3705#issuecomment-375563179 https://github.com/tensorflow/models/issues/3752
Q: 為什麼我的結果沒有畫框？
A:
來自 @kurumi233
對最後測試沒有畫框的人，我希望我的回答可以幫到你們，你可以列印一下測試demo程式碼最後的output_dict，裡面有box的座標還有分數之類的，你看一下分數就知道了，你如果標籤之類的沒問題的話，肯定分數很低的，可能只有0.0幾，然而你可以看下視覺化函式，用來畫框的那個函式，visualization_utils.py裡的visualize_boxes_and_labels_on_image_array，有個引數是min_score_thresh，代表最小的閾值，預設是0.5，也就是分數在50%以上才會畫框，你極限一點調成0就可以看到最多20個框了，這個20也是在那邊設定的，說了這麼多屁話，總結就是，訓練樣本和次數太少了，導致預測的框的分數低於最低的閾值了，所以不畫出來，或者手動降低閾值檢視效果，希望我的回答可以幫到你(=・ω・=)(=・ω・=)
Q: 由於我的圖片畫素比較高，導致測試時的準確度字型太小，只有20個畫素點大小，比如說tv:98%,我應該在哪裡修改一下？還有一個問題就是在圖片標註的時候，是不是需要儘可能的只把目標物標註出來，其他的干擾儘量避免？
A: 在object_detection/utils資料夾下，找到visualization_utils.py 檔案開啟， 搜尋 font = ImageFont.truetype 這一行，後面的數字“24”就是字型大小，改大一些，儲存，關閉所有檔案，重新執行程式，應該就可以了，在我的電腦上親測可行。
對於第二個問題，我個人認為是的，減少干擾意味這更高質量的訓練資料集，應該有利於得到更好的結果
Q: 博主，你好！我做的專案是灰度圖（單通道圖片）。在最後測試效果時，報錯說，要求輸入的圖片是3通道的，而我輸入的是單通道。而且這個引數好像是從訓練完後的一個檔案中讀取的，不知從哪去改，無從下手。博主能指點一下迷途的小白嗎。謝謝了！！！！A:
你這個問題，直接原因是程式碼裡預設讀取的圖片是RGB 3通道的，應該把對應的部分改成單通道就可以了。 在object_detection.py 程式碼裡 load_image_into_numpy_array 這個函式作用就是把 image函式轉換成numpy矩陣，3通道是3階，單通道應該就是一階。你可以上網搜一下numpy怎麼讀取單通道圖片，把這個函式裡面的引數改一下應該就可以了，你可以試試！來自提問者自己的回答：這幾天被這個折騰得頭疼.... 1.一開始我打算繼續用單通道圖片一條路走到黑，發現在 export_inferebce_graph.py 這個程式碼裡，我們還可以指定 input_shape 這個命令列引數（博主有空可以瞭解一下），但在輸出 frozen_inference_graph.pb 這個檔案時。會報錯 左右兩個圖片的 shape 不一致，查閱網上資料，說是把checkpoints檔案刪除乾淨，但我刪完了，還是報一樣的錯，估計是沒刪完吧，單都不知道這個檔案都儲存在哪些路徑裡，頭疼..... 2.按照博主提供的思路，我把單通道圖片轉換成三通道圖片，emmmmmm.....一路暢通的做下來，不過結果是瞎**框，損失值有點大.....再瞎**搞一下吧 總之，謝謝博主啦！！！！！
Q:
如果沒改 load_image_into_numpy_array 裡的引數，報錯是： ValueError: cannot reshape array of size 65536 into shape (256,256,3) 改了之後是： ValueError: Cannot feed value of shape (1, 256, 256, 1) for Tensor 'image_tensor:0', which has shape '(?, ?, ?, 3)' 我找了半天，沒找到 image_tensor:0 定義在哪，只找出它是從frozen_inference_graph.pb這個檔案裡讀取，但這個檔案我不知道怎麼去改裡面的引數....A: 我查了資料，貌似這些 .pb 的model都是適用與RGB格式的，解決方法是把單通道改成3通道。 https://github.com/tensorflow/models/issues/3369 https://github.com/tensorflow/models/issues/2679
Q: 訓練了一些資料後，想額外新增更多資料集，可以嗎？
A: 可以的。把新增的資料集另外再生成一個 .record檔案，然後修改 .config 檔案
train_input_reader: {
tf_record_input_reader {
input_path: ["path/to/first.record", "path/to/second.record"]
}
label_map_path: "..."
}