path manipulation怎么解决_TensorFlow Object Detection API遇到的问题及解决
TensorFlow Object Detection API遇到的问题及解决
教程网址：
Training Custom Object Detectortensorflow-object-detection-api-tutorial.readthedocs.io
我按照教程加载的是自己的一个数据集，进行目标检测
下载完成后如下：
Xml文件生成：可以自己写一个简单的脚本实现txt到xml的转换
按照教程进行到了Train这一步，遇到了如下问题：
参考网址：https://stackoverflow.com/questions/54301555/import-error-cannot-import-name-input-reader-pb2
解决方法：
# From tensorflow/models/research/
1.
protoc object_detection/protos/*.proto --python_out=.
1.（or）
wget -O protobuf.zip https://github.com/google/protobuf/releases/download/v3.0.0/protoc-3.0.0-linux-x86_64.zip
unzip protobuf.zip
./bin/protoc object_detection/protos/*.proto --python_out=.
2.
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
3.
python object_detection/builders/model_builder_test.py
完成以上步骤就可以进行正常训练了
训练：（train）
python train.py --logtostderr --train_dir=training/ --pipeline_config_path=training/ssd_inception_v2_coco.config.py
（在1整个训练完成后，如要重新训练，train文件夹可能要改动—重建一个文件夹，）
评价：（eval）
方法一：
python eval.py --logtosderr --checkpoint_dir=training/ --eval_dir=eval/ --pipeline_config_path=training/ssd_inception_v2_coco.config.py
(eval文件夹是一个空的文件夹，用来保存输出文件)
可以运行成功，但是该eval貌似只能评估10个images（我第一次测试样本为10个（每类2张），感觉没问题，后来换成100个，出现错误，只读前10个图片，类别为bird,其余检测结果显示为nan）--具体config我没找到怎么改
错误显示如下：
方法二：利用model_main.py（训练加测试一起）
python model_main.py --pipeline_config_path=training/ssd_inception_v2_coco.config.py --model_dir=training/ --num_train_steps=60000 --num_eval_steps=20 --alsologtostderr
(参数根据自己实际更改)—该评价指标采用COCO数据集评价指标。
实际输出结果如下：
测试 （test）
首先要导出模型
python export_inference_graph.py --input_type image_tensor --pipeline_config_path training/ssd_inception_v2_coco.config.py --trained_checkpoint_prefix training/model.ckpt-12000 --output_directory trained-inference-graphs/
之后我用的是test.py，选取了测试集中的一张图片来进行可视化,如下所示：
test.py代码：zigangzhao-ai/TensorFlow-Object-Detection-API
TensorBoard—连接
1.输入 tensorboard --logdir=training
会出现
复制该网址（http://omnisky:6006/）到浏览器即可查看
2.利用windows连接查看
ssh -L 6006:127.0.0.1:6006 -p 1083 zigangzhao@222.20.79.224
在浏览器中输入：127.0.0.1:6006就可以显示了。
代码解读：
参考：
Tensorflow 物体检测(object detection) 之如何构建模型www.manongjc.com TensorFlow Object Detection API 源码(4) 数据集www.zhihu.com
训练mask-rcnn可参考：
TensorFlow 训练 Mask R-CNN 模型www.jianshu.com