forked from TensorLayer/tensorlayer3
42 lines
1.5 KiB
Markdown
42 lines
1.5 KiB
Markdown
## tl-faster rcnn 的模型构建说明及测试示例
|
||
---
|
||
|
||
|
||
|
||
## 所需环境
|
||
tensorflow-gpu==2.2.0
|
||
|
||
## 模型训练采用迁移学习方法
|
||
|
||
|
||
## 预测步骤
|
||
### a、使用预训练权重
|
||
1. 下载完库后解压,下载对应的权重文件,放入model_data,运行predict.py,输入对应的图片路径
|
||
2. 在predict.py里面进行设置可以进行fps测试和video视频检测。
|
||
### b、使用自己训练的权重
|
||
1. 按照训练步骤训练。
|
||
2. 在frcnn.py文件里面,在如下部分修改model_path和classes_path使其对应训练好的文件;**model_path对应logs文件夹下面的权值文件,classes_path是model_path对应分的类**。
|
||
3. 运行predict.py,输入相应的图片路径
|
||
4. 在predict.py里面进行设置可以进行fps测试和video视频检测。
|
||
|
||
## 训练步骤
|
||
1. 下载好自己所用到的数据集放到代码文件夹下或代码中指定对应的路径。
|
||
2. 修改classes文件(数据集中的所有类别名)**注意不要使用中文标签,文件夹中不要有空格!**
|
||
3. **在训练前需要务必在model_data下新建一个txt文档,文档中输入需要分的类**,示例如下:
|
||
model_data/new_classes.txt文件内容为:
|
||
```python
|
||
cat
|
||
dog
|
||
...
|
||
```
|
||
4. 将train.py的NUM_CLASSSES修改成所需要分的类的个数+1,运行train.py即可开始训练。
|
||
|
||
##测试样例
|
||
![img.png](img.png)
|
||
![img_1.png](img_1.png)
|
||
![img_2.png](img_2.png)
|
||
![img_3.png](img_3.png)
|
||
![img_4.png](img_4.png)
|
||
![img_5.png](img_5.png)
|
||
![img_6.png](img_6.png)
|
||
![img_7.png](img_7.png) |