手把手教你训练自己的目标检测模型（SSD篇）

我就是我 2022-04-10 04:26 1614阅读 0赞

目标检测是AI的一项重要应用，通过目标检测模型能在图像中把人、动物、汽车、飞机等目标物体检测出来，甚至还能将物体的轮廓描绘出来，就像下面这张图，是不是很酷炫呢，嘿嘿  
![20181224225046604][]

在动手训练自己的目标检测模型之前，建议先了解一下目标检测模型的原理（见文章：[大话目标检测经典模型RCNN、Fast RCNN、Faster RCNN][RCNN_Fast RCNN_Faster RCNN]，[以及Mark R-CNN][Mark R-CNN]），这样才会更加清楚模型的训练过程。

本文将在我们前面搭建好的AI实战基础环境上（见文章：[AI基础环境搭建][AI]），基于SSD算法，介绍如何使用自己的数据训练目标检测模型。SSD，全称Single Shot MultiBox Detector（单镜头多盒检测器），是Wei Liu在ECCV 2016上提出的一种目标检测算法，是目前流行的主要检测框架之一。

本案例要做的识别便是在图像中识别出熊猫，可爱吧，呵呵  
![20181224225046651][]   
下面按照以下过程介绍如何使用自己的数据训练目标检测模型：  
![20181224225046668][]   
**1、安装标注工具**  
要使用自己的数据来训练模型，首先得先作数据标注，也就是先要告诉机器图像里面有什么物体、物体在位置在哪里，有了这些信息后才能来训练模型。  
**（1）标注数据文件**  
目前流行的数据标注文件格式主要有VOC\_2007、VOC\_2012，该文本格式来源于Pascal VOC标准数据集，这是衡量图像分类识别能力的重要基准之一。本文采用VOC\_2007数据格式文件，以xml格式存储，如下：

![20181224225046685][]

其中重要的信息有：  
filename：图片的文件名  
name：标注的物体名称  
xmin、ymin、xmax、ymax：物体位置的左上角、右下角坐标

**（2）安装标注工具**  
如果要标注的图像有很多，那就需要一张一张手动去计算位置信息，制作xml文件，这样的效率就太低了。  
所幸，有一位大神开源了一个数据标注工具labelImg，可以通过可视化的操作界面进行画框标注，就能自动生成VOC格式的xml文件了。该工具是基于Python语言编写的，这样就支持在Windows、Linux的跨平台运行，实在是良心之作啊。安装方式如下：  
**a. 下载源代码**  
通过访问labelImg的github页面（https://github.com/tzutalin/labelImg），下载源代码。可通过git进行clone，也可以直接下载成zip压缩格式的文件。  
![20181224225046704][]   
在本案例中直接下载成zip文件。  
**b.安装编译**  
解压labelImg的zip文件，得到LabelImg-master文件夹。  
labelImg的界面是使用PyQt编写的，由于我们搭建的基础环境使用了最新版本的anaconda已经自带了PyQt5，在python3的环境下，只需再安装lxml即可，进入LabelImg-master目录进行编译，代码如下：

#激活虚拟环境
    source activate tensorflow
    #在python3环境中安装PyQt5（anaconda已自带），如果是在python2环境下，则要安装PyQt4，PyQt4的安装方式如下
    #conda install -c anaconda pyqt=4.11.4
    #安装xml
    conda install xml
    #编译
    make qt5py3
    #打开标注工具
    python3 labelImg.py

成功打开labelImg标注工具的界面如下：  
![20181224225046803][]

**2、标注数据**  
成功安装了标注工具后，现在就来开始标注数据了。  
**（1）创建文件夹**  
按照VOC数据集的要求，创建以下文件夹  
Annotations：用于存放标注后的xml文件  
ImageSets/Main：用于存放训练集、测试集、验收集的文件列表  
JPEGImages：用于存放原始图像  
![20181224225046876][]

**（2）标注数据**  
将熊猫图片集放在JPEGImages文件夹里面（熊猫的美照请找度娘要哦~），注意图片的格式必须是jpg格式的。  
打开labelImg标注工具，然后点击左侧的工具栏“Open Dir”按钮，选择刚才放熊猫的JPEGImages文件夹。这时，主界面将会自动加载第一张熊猫照片。  
![20181224225046905][]

点击左侧工具栏的“Create RectBox”按钮，然后在主界面上点击拉个矩形框，将熊猫圈出来。圈定后，将会弹出一个对话框，用于输入标注物体的名称，输入panda作为熊猫的名称。  
![20181224225046939][]

然后点击左侧工具栏的“Save”按钮，选择刚才创建的Annotations作为保存目录，系统将自动生成voc\_2007格式的xml文件保存起来。这样就完成了一张熊猫照片的物体标注了。  
![2018122422504730][]

接下来点击左侧工具栏的“Next Image”进入下一张图像，按照以上步骤，画框、输入名称、保存，如此反复，直到把所有照片都标注好，保存起来。

**（3）划分训练集、测试集、验证集**  
完成所有熊猫照片的标注后，还要将数据集划分下训练集、测试集和验证集。  
在github上下载一个自动划分的脚本（https://github.com/EddyGao/make\_VOC2007/blob/master/make\_main\_txt.py）  
然后执行以下代码

python make_main_txt.py

将会按照脚本里面设置的比例，自动拆分训练集、测试集和验证集，将相应的文件名列表保存在里面。  
![2018122422504766][]

**3、配置SSD**  
**（1）下载SSD代码**  
由于本案例是基于tensorflow的，因此，在github上下载一个基于tensorflow的SSD，地址是 https://github.com/balancap/SSD-Tensorflow  
![2018122422504783][]   
以zip文件的方式下载下来，然后解压，得到SSD-Tensorflow-master文件夹  
**（2）转换文件格式**  
将voc\_2007格式的文件转换为tfrecord格式，tfrecord数据文件tensorflow中的一种将图像数据和标签统一存储的二进制文件，能更加快速地在tensorflow中复制、移动、读取和存储等。  
SSD-Tensorflow-master提供了转换格式的脚本，转换代码如下：

DATASET_DIR=./panda_voc2007/
    OUTPUT_DIR=./panda_tfrecord/
    python SSD-Tensorflow-master/tf_convert_data.py --dataset_name=pascalvoc --dataset_dir=${DATASET_DIR} --output_name=voc_2007_train --output_dir=${OUTPUT_DIR}

**（3）修改物体类别**  
由于是我们自定义的物体，因此，要修改SSD-Tensorflow-master中关于物体类别的定义，打开SSD-Tensorflow-master/datasets/pascalvoc\_common.py文件，进行修改，将VOC\_LABELS中的其它无关类别全部删掉，增加panda的名称、ID、类别，如下：

VOC_LABELS = {
        'none': (0, 'Background'),
    'panda': (1, 'Animal'),
    }

**4、下载预训练模型**  
SSD-Tensorflow提供了预训练好的模型，基于VGG模型（要了解VGG模型详情，请阅读文章：[大话经典CNN经典模型VGG][CNN_VGG]），如下表：  
![20181224225047105][]   
但这些预训练的模型文件都是存储在drive.google.com上，因此，无法直接下载。只能通过“你懂的”方式进行下载，在这里下载SSD-300 VGG-based预训练模型，得到文件：VGG\_VOC0712\_SSD\_300x300\_ft\_iter\_120000.ckpt.zip，然后进行解压

![20181224225047127][]

**5、训练模型**  
终于把标注文件、SSD模型都准备好了，现在准备开始来训练了。  
在训练模型之前，有个参数要修改下，打开SSD-Tensorflow-master/train\_ssd\_network.py找到里面的DATA\_FORMAT参数项，如果是使用cpu训练则值为NHWC，如果是使用gpu训练则值为NCHW，如下：

DATA_FORMAT = 'NCHW'  # gpu
    # DATA_FORMAT = 'NHWC'    # cpu

现在终于可以开始来训练了，打开终端，切换conda虚拟环境

source activate tensorflow

然后执行以下命令，开始训练

# 使用预训练好的 vgg_ssd_300 模型 
    DATASET_DIR=./ panda_tfrecord
    TRAIN_DIR=./panda_model
    CHECKPOINT_PATH=./model_pre_train/VGG_VOC0712_SSD_300x300_ft_iter_120000.ckpt/VGG_VOC0712_SSD_300x300_ft_iter_120000.ckpt
    python3 SSD-Tensorflow-master/train_ssd_network.py \
        --train_dir=${TRAIN_DIR} \
        --dataset_dir=${DATASET_DIR} \
        --dataset_name=pascalvoc_2007 \
        --dataset_split_name=train \
        --model_name=ssd_300_vgg \
        --checkpoint_path=${CHECKPOINT_PATH} \
        --save_summaries_secs=60 \
        --save_interval_secs=600 \
        --weight_decay=0.0005 \
        --optimizer=adam \
        --learning_rate=0.0001 \
        --batch_size=16

其中，根据自己电脑的性能情况，设置batch\_size的值，值越大表示批量处理的数量越大，对机器性能的要求越高。如果电脑性能普通的，则可以设置为8，甚至4，土豪请忽略。  
学习率learning\_rate也可以根据实际情况调整，学习率越小则越精确，训练的时间也越长，学习率越大则可缩短训练时间，但就会降低精准度。

在这里使用预训练好的模型，SSD将会锁定VGG模型的一些参数进行训练，这样能在较短的时间内完成训练。

**6、使用模型**  
SSD模型训练好了，现在要来使用了，使用的方式也很简单。  
SSD-Tensorflow-master自带了一个notebooks脚本，可通过jupyter直接使用模型。  
先安装jupyter，安装方式如下：

conda install jupyter

然后启动jupyter-notebook，代码如下：

jupyter-notebook SSD-Tensorflow-master/notebooks/ssd_notebook.ipynb

启动后在SSD 300 Model的代码块设置模型的路径和名称  
![20181224225047143][]

然后在最后的代码块中，设置要测试的图像路径path  
![20181224225047173][]

然后点击菜单“Cell”，点击子菜单“Run All”，便能按顺序全部执行代码，并显示出结果出来  
![20181224225047191][]

执行后，可爱的熊猫就被圈出来了  
![20181224225047212][]

经过以上步骤，我们便使用了自己的数据完成了目标检测模型的训练。只要以后还有物体检测的需求，然后找相关的图片集进行标注，标注后进行模型训练，就能完成一个定制化的目标检测模型了，非常方便，希望本案例对大家能有所帮助。

[20181224225046604]: /images/20220403/147f249ab7d7456e9ae272163520e5a7.png
[RCNN_Fast RCNN_Faster RCNN]: https://my.oschina.net/u/876354/blog/1787921
[Mark R-CNN]: https://my.oschina.net/u/876354/blog/1802743
[AI]: https://my.oschina.net/u/876354/blog/1924805
[20181224225046651]: /images/20220403/0d3e145880ca4573a62af6edad7da0a7.png
[20181224225046668]: /images/20220403/6f36af098e304fb2b7d719a51f0c4950.png
[20181224225046685]: /images/20220403/d6e782bb80d542738278b649483609c1.png
[20181224225046704]: /images/20220403/d6f37cf650c34149b947f12c12ac4807.png
[20181224225046803]: /images/20220403/5b43d956deb84090ab76b9402a6173fe.png
[20181224225046876]: /images/20220403/09cda799b6354c7da17673daf21d0420.png
[20181224225046905]: /images/20220403/eec93c6720d7446d932d6364662071ba.png
[20181224225046939]: /images/20220403/297d159c950345dd8bb21c6ee693a7fd.png
[2018122422504730]: /images/20220403/c07547b759234a9881d01b6131dffc45.png
[2018122422504766]: /images/20220403/8f5a98f05ac147c2b6a7e37fb52221f3.png
[2018122422504783]: /images/20220403/d610b272b8bb4f45bb2e6060c67926dd.png
[CNN_VGG]: https://my.oschina.net/u/876354/blog/1634322
[20181224225047105]: /images/20220403/a39f4e787b7147849f11e6a755b4e56e.png
[20181224225047127]: /images/20220403/33136c9ff7034a67b792def3be1b2361.png
[20181224225047143]: /images/20220403/8c6ee6c456314fa184bcf71c15e6df98.png
[20181224225047173]: /images/20220403/755cb8a5d7874a718969b8e1b3516e7a.png
[20181224225047191]: /images/20220403/a6936f174ab449aca944a250ea27b4de.png
[20181224225047212]: /images/20220403/962edb9beb1045d199dbfda609f445b3.png