Tensorflow Object Detection API介绍和应用(mac版)——（2.预训练模型测试）

布满荆棘的人生 2021-12-13 18:11 255阅读 0赞

### 1、前言 ###

本篇介绍2个预训练模型，使用测试程序object\_detection\_tutorial.ipynb进行实体检测。  
上一篇：1.安装跑测试程序 [https://blog.csdn.net/bjjoy2009/article/details/94911597][https_blog.csdn.net_bjjoy2009_article_details_94911597]

### 2、模型下载 ###

（1）预训练模型列表（需要vpn连接google下载）[https://github.com/tensorflow/models/blob/master/research/object\_detection/g3doc/detection\_model\_zoo.md][https_github.com_tensorflow_models_blob_master_research_object_detection_g3doc_detection_model_zoo.md]  
（2）下载压缩包  
ssd\_mobilenet\_v1\_coco，90类日常物体，100多M，具体类目标签https://github.com/tensorflow/models/blob/master/research/object\_detection/data/mscoco\_label\_map.pbtxt

faster\_rcnn\_resnet101\_fgvc，2800多个动物种类，近1G，具体类目标签https://github.com/tensorflow/models/blob/master/research/object\_detection/data/fgvc\_2854\_classes\_label\_map.pbtxt  
（3）上述模型压缩包放到本地，上一章 git clone的项目路径models/research/object\_detection

### 3、运行测试程序 ###

#### 3.1 ssd\_mobilenet\_v1\_coco ####

该模型就是测试程序的默认模型，测试程序如下https://github.com/tensorflow/models/blob/master/research/object\_detection/object\_detection\_tutorial.ipynb  
(1)修改模型加载路径，根据下载压缩包名修改

# 此行改为下载的模型名称
    MODEL_NAME = 'ssd_mobilenet_v1_coco_2017_11_17'

（2）注释掉下面2行，已经下载无需再执行下载程序

# opener = urllib.request.URLopener()
    # opener.retrieve(DOWNLOAD_BASE + MODEL_FILE, MODEL_FILE)

（3）直接运行可以看到的结果

#### 3.2 faster\_rcnn\_resnet101\_fgvc ####

详细动物种类识别，这部分需要自行下载动物图片  
（1）修改文件名和注释掉那两行代码

# 此行改为下载的模型名称
    MODEL_NAME = 'faster_rcnn_resnet101_fgvc_2018_07_19'

（2）下载2个动物图片放到object\_detection/test\_images  
动物image5.jpg：Rynchops niger  
动物image6.jpg：Lynx rufus  
![在这里插入图片描述][20190707110231317.png]  
（3）修改测试图片代码  
将range(1, 3)改为range(5, 7)

TEST_IMAGE_PATHS = [ os.path.join(PATH_TO_TEST_IMAGES_DIR, 'image{}.jpg'.format(i)) for i in range(5, 7) ]

### 4、测试结果 ###

模型较大需要多运行一会  
（1）图片结果  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jqam95MjAwOQ_size_16_color_FFFFFF_t_70]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jqam95MjAwOQ_size_16_color_FFFFFF_t_70 1]  
（2）类别标签id（图片内名字看不太清楚）  
在代码中加入一行输出（print）

# Actual detection.
      output_dict = run_inference_for_single_image(image_np_expanded, detection_graph)
      print(output_dict['detection_classes'])

输出：  
\[1534 1676 1588 1828 1831\]  
\[ 323 1207 1296 221 729\]

打印出概率前5的类别标签id，排在第一位的是文件fgvc\_2854\_classes\_label\_map.pbtxt  
item \{  
name: “4496”  
id: 1534  
display\_name: “Rynchops niger”  
\}  
item \{  
name: “41976”  
id: 323  
display\_name: “Lynx rufus”  
\}

### 5、总结 ###

object\_detection/g3doc：各种说明和目录文档  
object\_detection/data：现有物体标签  
框框上的文字不清楚，需要找找程序看看如何能大点字体。

下一篇将介绍利用coco作为pre-trained，训练自定义模型

[https_blog.csdn.net_bjjoy2009_article_details_94911597]: https://blog.csdn.net/bjjoy2009/article/details/94911597
[https_github.com_tensorflow_models_blob_master_research_object_detection_g3doc_detection_model_zoo.md]: https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md
[20190707110231317.png]: /images/20211213/b13ddefaf8b549eab55e30236a89da54.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jqam95MjAwOQ_size_16_color_FFFFFF_t_70]: /images/20211213/3d67406ab68b446cac3e54450475d871.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jqam95MjAwOQ_size_16_color_FFFFFF_t_70 1]: /images/20211213/3f82ea82ae8f448eacc41f0f5f157dd7.png