张开TensorFlow的慧眼——使用Tensorflow-Object-Detection-API进行物体检测模型训练

1. 项目目录结构及介绍

本项目是基于TensorFlow的物体检测模型训练项目，其目录结构如下：

Tensorflow-Object-Detection-API-Train-Model/
│
├── .gitignore
├── LICENSE
├── README.md
│
├── images/
│   ├── train/
│   └── test/
│
├── training/
│   ├── label_map.pbtxt
│   └──ssd_mobilenet_v2_coco.config
│
├── create_coco_tf_record.py
├── generate_tfrecord.py
├── resize_images.py
└── xml_to_csv.py

• images/ 目录用于存放训练和测试图片，分为 train/ 和 test/ 两个子目录。
• training/ 目录包含模型训练所需的配置文件和标签映射文件。
• create_coco_tf_record.py、generate_tfrecord.py、resize_images.py 和 xml_to_csv.py 是数据处理脚本，用于创建TFRecord格式的训练数据。
• 其他文件包括项目描述文件 README.md、许可证文件 LICENSE 和Git忽略配置文件 .gitignore。

2. 项目的启动文件介绍

项目的主要启动文件是 Tensorflow_2_Object_Detection_Train_model.ipynb Jupyter笔记本文件，虽然它不在上述目录结构中，但它通常用于启动训练过程。该笔记本文件包含了以下步骤：

• 导入必要的库和模块。
• 设置数据路径和参数。
• 加载和预处理数据。
• 定义和配置模型。
• 训练模型。
• 评估模型。

3. 项目的配置文件介绍

项目的配置文件位于 training/ 目录中，主要包括以下两个文件：

• label_map.pbtxt：标签映射文件，它将每个类别的名称映射到一个唯一的ID。这个文件对于模型来说非常重要，因为它需要知道每个检测到的对象类别对应的ID。

• ssd_mobilenet_v2_coco.config：模型配置文件，它定义了模型的架构、训练参数、输入数据的预处理方式等。在开始训练之前，可能需要根据具体的训练任务对此文件进行一些修改，例如更改学习率、批大小、步数等。

通过调整这些配置文件，可以自定义训练过程，以适应不同的物体检测需求。