AI实战项目:车辆检测及型号识别原创

时间:2019-10-11 21:58来源:互联网点击:手机版

导读:

使用slim框架来对图片进行分类识别,也掌握使用slim物体检测框架来进行物体的检测和识别。


AI实战项目:车辆检测及型号识别

1.提供的tfrecord文件,怎么处理


查看train每个tfrecord文件有多少个样例


10993,10993,10993,10992


查看val每个tfrecord文件有多少个样例


1222,1222,1222,1219


tfrecord_filenames = 'C:/Users/admin/class/data/car/pj_vehicle_validation_00003-of-00004.tfrecord'c = 0for record in tf.python_io.tf_record_iterator(tfrecord_filenames): c += 1print(c)

2.slim框架下读取tfrecord


怎么知道哪张图片是哪个类型的车,怎么对比


80000步,100000步,


过拟合


损失变大


YoLo V3, SSD, Fast RCnn


3.转为图片,然后打出标定框,再转为tfrecord


常用图片标注软件labelImage,Anno-Mage(安装保存不了,可以自动打标签)


手动打标签,打到崩溃,有4万多张。。。


看到tensorflow/object detection,可以标定框


尝试


4.


https://blog.csdn.net/zhaoyoulin2016/article/details/80615687


AI实战项目:车辆检测及型号识别

本来是不知道要进行这一步的,结果


label_map_util.py


from object_detection.protos import string_int_label_map_pb2.py


之前本来这个文件都是*.proto文件,执行了之后都有对应的py文件


filter()函数接收一个函数 f 和一个list,这个函数 f 的作用是对每个元素进行判断,返回 True或 False,filter()根据判断结果自动过滤掉不符合条件的元素,返回由符合条件元素组成的新list,和map函数一样,在python3中要返回list列表,那么必须用list作用于filter。


5.item


6.中文显示乱码


7.


如果图像中有单个目标,并且我们想要检测该目标,则称为图像定位。如果图像中有多个目标怎么办?嗯,这就是目标检测!


图中的mAP(平均精度)是检测边界框的准确率和召回率的乘积。这是一个很好的混合测度,在评价模型对目标物体的敏锐度和它是否能很好避免虚假目标中非常好用。mAP值越高,模型的准确度越高,但运行速度会相应下降。


label_map_util用于后面获取图像标签和类别,visualization_utils用于可视化


**使用新版的object detection训练模型时没找到train.py**


百度了很久才发现新版的train.py换成了model_main.py,同时命令也有一点不同:


python object_detection/model_main.py


–pipeline_config_path=object_detection/train/ssd_mobilenet_v1_coco.config #配置文件路径


–model_dir=object_detection/training #保存训练模型路径


–num_train_steps=50000 #设置训练步数50000


–num_eval_steps=2000 #设置评估步数2000


–alsologtostderr


注:使用新版api训练模型的时候可能会出现terminal卡住的情况,不过不要紧可以去tensorboard里面观察训练情况。


AI实战项目:车辆检测及型号识别

提示:360电脑网发布AI实战项目:车辆检测及型号识别这篇文章已经注明原创作者和创作平台,如若转载,请注明出处,文章链接:[http://www.360diannao.com/keji/332228.html]。不尊重原创的行为将受到我们的谴责,电脑网提倡读者朋友们一起来良性监督。

最新文章

作者介绍

————————————

作者:骨子笔记


介绍:自媒体科技领域专家


相关分类

360电脑网(www.360diannao.com)是专业的电脑、手机、电子书、游戏、漫画、科技等IT门户网站

Copyright@2015-2019 | | 备案号:豫ICP备16006929号-10 | TAG标签

声明: 网站所有文章均来自互联网,如有不良信息或者侵犯您的版权,应及时向本站客服证明及详细侵权情况证明,共同打造一个干净良好的上网环境。