SSD-tensorflow使用文档(测试训练基本流程)

2024-06-10 11:48
文章标签 文档 流程 使用 训练 基本 测试 tensorflow ssd

本文主要是介绍SSD-tensorflow使用文档(测试训练基本流程)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

原博文：

SSD: Single Shot MultiBox Detector in TensorFlow

这里只从工程的角度介绍这份代码的使用方法，参照github上 balancap这个人 根据论文作者提供的caffe源码复现的tensorflow代码及其给出的教程，并加入了自己的一些补充和理解

补充：在ssd-tensorflow代码的fix_training分支中，作者增加了如下几点：
1. use a very simple data pre-processing pipeline at beginning to test out the training script;
2. use the argument trainable_scopes for only training the new parts of the network. Then, in a second time, fine tune the full network.
3. I implement an hard mining which is equivalent to the SSD Caffe, and looking at how to improve the data augmentation part.

１．基本介绍

  • 这里只实现了 SSD-300 VGG-based 和 SSD-512 VGG-based 两个版本，但这个project的框架的模块化应该可以保证SSD的其他变种(如ResNet or Inception 版本)实现起来也不难，等有时间我尝试好之后会分享给大家的。

  • 本project的组织结构受启发于TF-Slim models repository,TF-slim包含了当下流行的ResNet, Inception and VGG结构。主要包括3个部分：

    1. datasets：（Pasca VOC 2007_trainval，2007_test， 2012，COCO）这些数据集的接口和 将其转为tensorflow专用TF-Records格式的脚本文件。
    2. networks: SSD网络结构的定义，常用的encoding和decoding方法（refer to the paper on this precise topic）
    3. pre-processing: pre-processing and data augmentation routines, inspired by original VGG and Inception implementations.

２．SSD minimal example

利用jupyter Notebook可以轻松的运行SSD的一个测试用例,你要做的就是：
1. 下载模型ssd_300_vgg，存放在SSD-Tensorflow-master/checkpoints/这个目录下
2. 打开终端，在主目录 SSD-Tensorflow-master 下，运行cd notebooks/进入noteboo目录，运行 jupyter-notebook进入http://localhost:8892/tree服务器，打开 ssd_notebook.ipynb.ipynb文件
3. 配置一些路径：第4个cell中from notebooks import visualization改成import notebooks，不改的话目录结构不对，会报错
4. 使用自己的图片，改变path = '../demo/'成自己的图片所在路径
5. 从头到尾运行所有cell即可。

我在网上随便找了张图片测试了一下，效果确实还不错，只是这个代码没有把标签对应的种类显示在上面，懒得改了，以后用的时候再说，上图啦：
pedestrian
image

分析：估计这里2代表自行车把，15代表人把，但是第二张图的手势也是别未15（人类），估计分类里面没有手势这一项把。后续将进行更多的测试，这里先介绍到这里。

３．论文效果

小例子跑起来之后，当然不能就这么满足了，要给自己定个小目标，自然就是要通过自己的训练达到接近论文的效果。
- SSD作者本人用caffe实现的代码所达到的效果如下:

SystemVOC2007 test mAPFPS (Titan X)Number of BoxesInput resolution
Faster R-CNN (VGG16)73.27~6000~1000 x 600
YOLO (customized)63.44598448 x 448
SSD300* (VGG16)77.2468732300 x 300
SSD512* (VGG16)79.81924564512 x 512

image　Note: SSD300* and SSD512* are the latest models. Current code should reproduce these results.

  • 这里tensorflow版本代码效果如下：

    ModelTraining dataTesting datamAPFPS
    SSD-300 VGG-basedVOC07+12 trainvalVOC07 test0.778-
    SSD-300 VGG-basedVOC07+12+COCO trainvalVOC07 test0.817-
    SSD-512 VGG-basedVOC07+12+COCO trainvalVOC07 test0.837-

对比发现，tensorflow版本的效果与caffe版本代码相当的效果。

4. 行动指南

4.1 制作数据集

以VOC2007为例，目录结构如下

+VOCtrainval_06-Nov-2007+VOCdevkit+VOC2007+Annotations+ImageSets+JPEGImages+SegmentationClass+SegmentationObject
+VOCtest_06-Nov-2007+VOCdevkit+VOC2007+Annotations+ImageSets+JPEGImages+SegmentationClass+SegmentationObject

为了避免每次在终端敲那么多字母，建议新建一个.sh文件，把以下脚本粘贴进去，只要在这里更改dataset的路径就可以了，最后在文件所在目录打开终端并输入bash tf_convert_data.sh：(本教程所建立的所有shell脚本都存放在/root/shell/这个文件夹下)

＃filename = tf_convert_data.sh
#!/bin/bash
#This is a shell script to convert Pascal VOC datasets(2007 and 2012) into TF-Records only.#Directory where the original dataset is stored
DATASET_DIR=/root/VOCtrainval_06-Nov-2007/VOCdevkit/VOC2007/#Output directory where to store TFRecords files
OUTPUT_DIR=/root/VOCtrainval_06-Nov-2007/VOCdevkit/VOC2007_tfrecord/python ../tf_convert_data.py \--dataset_name=pascalvoc \--dataset_dir=${DATASET_DIR} \--output_name=voc_2007_train \--output_dir=${OUTPUT_DIR}

4.2 验证

下载好三个checkpoint:SSD-300 VGG-based, SSD-300 VGG-based, SSD-512 VGG-based，为了 reproduce evaluation metrics on the recall-precision curve　&& compute mAP metrics following the Pascal VOC 2007 and 2012 guidelines. 跟制作数据集的shell 脚本一样，可以在tf_convert_data.sh脚本所在目录”/shell”，新建脚本并将如下代码粘贴进去，运行bash eval_ssd_network.sh执行：

#!/bin/bash
# This is the eval script.DATASET_DIR=/home/doctorimage/kindlehe/common/dataset/VOC2007/VOCtest_06-Nov-2007/VOCdevkit/VOC2007_tfrecord/
#/home/doctorimage/kindlehe/common/dataset/VOCdevkit/
#../../../../common/dataset/VOC2007/VOCtest_06-Nov-2007/VOCdevkit/
EVAL_DIR=../log_files/log_eval/    # Directory where the results are saved to
CHECKPOINT_PATH=/home/doctorimage/kindlehe/common/models/tfmodlels/SSD/VGG_VOC0712_SSD_300x300_ft_iter_120000/VGG_VOC0712_SSD_300x300_ft_iter_120000.ckpt
#../../../../common/models/tfmodlels/SSD/VGG_VOC0712_SSD_300x300_ft_iter_120000/VGG_VOC0712_SSD_300x300_ft_iter_120000.ckpt#dataset_name这个参数在代码里面写死了
python3 ../eval_ssd_network.py \--eval_dir=${EVAL_DIR} \--dataset_dir=${DATASET_DIR} \--dataset_name=pascalvoc_2007 \--dataset_split_name=test \--model_name=ssd_300_vgg \--checkpoint_path=${CHECKPOINT_PATH} \--batch_size=1#python ../eval_ssd_network.py \
#    --eval_dir=${EVAL_DIR} \        # Directory where the results are saved to
#    --dataset_dir=${DATASET_DIR} \  # The directory where the dataset files are stored
#    --dataset_name=voc2007_test \ # The name of the dataset to load
#    --dataset_split_name=test \     # The name of the train/test split
#    --model_name=ssd_300_vgg \      # The name of the architecture to evaluate
#    --checkpoint_path=${CHECKPOINT_PATH} \  #The directory where the model was written to or an absolute path to a#checkpoint file
#    --batch_size=1                  # The number of samples in each batch

执行脚本之前，先替换一下作者eval_ssd_network.py这个代码的开头，由于是在python3环境下运行，我重新安装了python3版的tensorflow-gpu,采用的native pip安装，不建议哈，建议大家以后去使用docker,据说是可以用docker使用同一台机器的多个人分配ＧＰＵ资源，防止撞车，谁玩过docker的欢迎来知道一下我，我叫kindle,唯一的一个kinlde!

至于注释的那一段，可能由于我重新安装的tensorflow,运行官方测试小demo居然会报这个错误 ++Internal: failed initializing StreamExecutor for CUDA device ordinal 1++，但是小demo中的sess = tf.Session()这条语句连续第二次运行的时候，一切又回复正常，ｗｔｆ!!!

from tensorflow.python.framework import ops
from datasets import dataset_factory
from nets import nets_factory
from preprocessing import preprocessing_factoryimport os
os.environ["CUDA_VISIBLE_DEVICES"] = "1" #原因是在创建session时没有使用我想让它用的gpu,难道每次都只能在这里制定一块ＧＰＵ才能运行？有别的办法吗？import math
import sys
import six
import timeimport numpy as np
import tensorflow as tf
import tf_extended as tfe
import tf_utilsslim = tf.contrib.slim

在../log_files/log_eval/下生成三个文件:events.out.tfevents.1498225326.doctorimagePC, events.out.tfevents.1498225563.doctorimagePC,training_config.txt

INFO:tensorflow:Evaluation [4952/4952] #测试机是VOC07 test
2017-06-23 22:47:38.481517: I tensorflow/core/kernels/logging_ops.cc:79] AP_VOC07/mAP[0.74313211395020917]
2017-06-23 22:47:44.241878: I tensorflow/core/kernels/logging_ops.cc:79] AP_VOC12/mAP[0.7665967841531145]
INFO:tensorflow:Finished evaluation at 2017-06-23-14:47:44
Time spent : 3703.294 seconds.  
Time spent per BATCH: 0.748 seconds.
tensorboard显示

在目录~/kindlehe/project/SSD/SSD-Tensorflow-master/log_files下运行tensorboard --logdir=log_eval,在浏览器中输入++http://localhost:6006++即可

4.3 训练

终于可以开始训练了，话不多说，先准备在VOC07+12 trainval训练着，等周末来了再看，机器配置是：Intel(R) Core(TM) i7-7700K CPU @ 4.20GHz　显卡:1080 Ti 12G显存

依然是.sh脚本的形式：

#!/bin/bash#The directory where the dataset files are stored.
DATASET_DIR=/home/doctorimage/kindlehe/common/dataset/VOC2007/VOCtrainval_06-Nov-2007/VOCdevkit/VOC2007_tfrecord/
#../../../../common/dataset/VOC2007/VOCtrainval_06-Nov-2007/VOCdevkit/VOC2007_tfrecord/#Directory where checkpoints and event logs are written to.
TRAIN_DIR=.././log_files/log_finetune/#The path to a checkpoint from which to fine-tune
CHECKPOINT_PATH=/home/doctorimage/kindlehe/common/models/tfmodlels/SSD/VGG_VOC0712_SSD_300x300_ft_iter_120000/VGG_VOC0712_SSD_300x300_ft_iter_120000.ckpt
#../../../../common/models/tfmodlels/SSD/VGG_VOC0712_SSD_300x300_ft_iter_120000/VGG_VOC0712_SSD_300x300_ft_iter_120000.ckptpython3 ../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=0.001 \
    --batch_size=32

5. 遇到的一些坑

  1. –dataset_name=pascalvoc_2007 、–dataset_split_name=train、–model_name=ssd_300_vgg这三个参数不要自己随便取，在代码里，这三个参数是if…else…语句，有固定的判断值，所以要根据实际情况取选择
  2. TypeError: expected bytes, NoneType found
    SystemError: returned a result with an error set
    这是由于CHECKPOINT_PATH定义的时候不小心多了个＃号键，将输入给注释掉了，如果不想使用预训练的模型，需要将--checkpoint_path=${CHECKPOINT_PATH} \注释掉即可
  3. SSD有在VOC07+12的训练集上一起训练的，用一个笨一点的办法：
    pascalvoc_to_tfrecords.py文件中，改变SAMPLES_PER_FILES,减少输出tfrecord文件的个数,再修改tf_convert_data.py的dataset参数，记得将前后两次的输出名改变一下，前后两次转换的tfrecords放在同一个文件夹下，然后手工重命名。（这里由于只是验证论文的训练方法是否有效，所以没必要写这些自动化代码实现合并，以后要用自己的数据集训练的时候就可以写一些自动化脚本）
  4. 有时候运行脚本会报错，可能是之前依次运行导致显存占满。
  5. 从pyCharm运行时，如果模型保存路径里之前的模型未删除，将会报错，必须保证该文件夹为空。

这篇关于SSD-tensorflow使用文档(测试训练基本流程)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1048081。

相关文章

Ubuntu 24.04启用root图形登录的操作流程

Ubuntu 24.04启用root图形登录的操作流程

《Ubuntu24.04启用root图形登录的操作流程》Ubuntu默认禁用root账户的图形与SSH登录,这是为了安全,但在某些场景你可能需要直接用root登录GNOME桌面,本文以Ubuntu2... 目录一、前言二、准备工作三、设置 root 密码四、启用图形界面 root 登录1. 修改 GDM 配
阅读更多...
C++中assign函数的使用

C++中assign函数的使用

《C++中assign函数的使用》在C++标准模板库中,std::list等容器都提供了assign成员函数,它比操作符更灵活,支持多种初始化方式,下面就来介绍一下assign的用法,具有一定的参考价... 目录​1.assign的基本功能​​语法​2. 具体用法示例​​​(1) 填充n个相同值​​(2)
阅读更多...
MySql基本查询之表的增删查改+聚合函数案例详解

MySql基本查询之表的增删查改+聚合函数案例详解

《MySql基本查询之表的增删查改+聚合函数案例详解》本文详解SQL的CURD操作INSERT用于数据插入（单行/多行及冲突处理）,SELECT实现数据检索（列选择、条件过滤、排序分页）,UPDATE... 目录一、Create1.1 单行数据 + 全列插入1.2 多行数据 + 指定列插入1.3 插入否则更
阅读更多...
Spring StateMachine实现状态机使用示例详解

Spring StateMachine实现状态机使用示例详解

《SpringStateMachine实现状态机使用示例详解》本文介绍SpringStateMachine实现状态机的步骤,包括依赖导入、枚举定义、状态转移规则配置、上下文管理及服务调用示例,重点解... 目录什么是状态机使用示例什么是状态机状态机是计算机科学中的​​核心建模工具​​，用于描述对象在其生命
阅读更多...
C#连接SQL server数据库命令的基本步骤

C#连接SQL server数据库命令的基本步骤

《C#连接SQLserver数据库命令的基本步骤》文章讲解了连接SQLServer数据库的步骤,包括引入命名空间、构建连接字符串、使用SqlConnection和SqlCommand执行SQL操作,... 目录建议配合使用：如何下载和安装SQL server数据库-CSDN博客1. 引入必要的命名空间2.
阅读更多...
使用Python删除Excel中的行列和单元格示例详解

使用Python删除Excel中的行列和单元格示例详解

《使用Python删除Excel中的行列和单元格示例详解》在处理Excel数据时,删除不需要的行、列或单元格是一项常见且必要的操作,本文将使用Python脚本实现对Excel表格的高效自动化处理,感兴... 目录开发环境准备使用 python 删除 Excphpel 表格中的行删除特定行删除空白行删除含指定
阅读更多...
深入理解Go语言中二维切片的使用

深入理解Go语言中二维切片的使用

《深入理解Go语言中二维切片的使用》本文深入讲解了Go语言中二维切片的概念与应用,用于表示矩阵、表格等二维数据结构,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习吧... 目录引言二维切片的基本概念定义创建二维切片二维切片的操作访问元素修改元素遍历二维切片二维切片的动态调整追加行动态
阅读更多...
prometheus如何使用pushgateway监控网路丢包

prometheus如何使用pushgateway监控网路丢包

《prometheus如何使用pushgateway监控网路丢包》：本文主要介绍prometheus如何使用pushgateway监控网路丢包问题,具有很好的参考价值,希望对大家有所帮助,如有错误... 目录监控网路丢包脚本数据图表总结监控网路丢包脚本[root@gtcq-gt-monitor-prome
阅读更多...
Python通用唯一标识符模块uuid使用案例详解

Python通用唯一标识符模块uuid使用案例详解

《Python通用唯一标识符模块uuid使用案例详解》Pythonuuid模块用于生成128位全局唯一标识符,支持UUID1-5版本,适用于分布式系统、数据库主键等场景,需注意隐私、碰撞概率及存储优... 目录简介核心功能1. UUID版本2. UUID属性3. 命名空间使用场景1. 生成唯一标识符2. 数
阅读更多...
SpringBoot中如何使用Assert进行断言校验

SpringBoot中如何使用Assert进行断言校验

《SpringBoot中如何使用Assert进行断言校验》Java提供了内置的assert机制,而Spring框架也提供了更强大的Assert工具类来帮助开发者进行参数校验和状态检查,下... 目录前言一、Java 原生assert简介1.1 使用方式1.2 示例代码1.3 优缺点分析二、Spring Fr
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2