Tensorflow Object Detection API with custom training data

1. Anaconda3 설치

https://tensorflow.blog/%EC%9C%88%EB%8F%84%EC%9A%B0%EC%A6%88%EC%97%90-%EC%95%84%EB%82%98%EC%BD%98%EB%8B%A4-%ED%85%90%EC%84%9C%ED%94%8C%EB%A1%9C%EC%9A%B0-%EC%84%A4%EC%B9%98%ED%95%98%EA%B8%B0/

윈도우즈에 아나콘다, 텐서플로 설치하기

참고하여 설치하였다.

 

2. Object Detection API at Windows 동작에 필요한 개발환경 구성, 설치

https://jamessong.tistory.com/2

tensorflow object detection API at Windows 동작 에 필요한 개발 환경 구성

참고하여 진행하였다.

 

3. LabelImg

 https://github.com/tzutalin/labelImg 을 다운로드 받아 설치한다.

 

- 수집한 dataset들을 labeling 해준다.

labelImg 디렉토리에서 가상환경을 활성화한 후, 아래 명령을 실행시켜 진행한다.

> (Anaconda prompt) python labelImg.py \images\train

 

- 박스가 잘 형성되었는지 sizeChecker.py로 확인

> python sizeChecker.py --move

 

- 이미지의 주석들이 반드시 *.xml로 형성되어야 한다.

 

(실습을 진행할 때, 너무 힘들어 DarkLabel이라는 툴로 갈아탔다.)

- 링크 찾아 넣기

 

4. Label Map 수정

- pbtxt 확장자 파일은 dataset에서 라벨링한 내용을 포함한다.

 

- generate_tfrecord.py 31번째 줄 또한 모델에 맞게 수정한다.

 

5. Creating TensorFlow Records

- 주석이 포함된 dataset을 TFRecord 포맷 형식으로 변환해야 한다.

 

1) Converting from *.xml to *.csv

- xml_to_csv.py 파일을 실행시켜 진행시킨다.

- 이 파일을 실행하기 위해서는 pandas가 필요하기 때문에 pip install pandas로 설치해주고 진행한다.

- 새로 생긴 파일은 object_detection\data 아래에 test_labels.csv, train_labels.csv로 위치하게 된다.

 

2) Converting from *.csv to *.record

- test도 똑같이 진행해준다.

 

- DarkLabel로 라벨링하면 결과가 txt로 나오게 된다. .txt를 바로 .csv로 바꾸기 위해 파이썬 코드를 짜서 csv로 변환되도록 하였다.

(txt_to_csv.py 넣기)

 

6. Configuring a Training Pipeline

- \models\research\object_detection\samples\configs로 가서 faster_rcnn_inception_v2_pets.config 파일을 복사한 후에 \object_detection\training 디렉토리에 붙여넣기

 

수정할 것들

- num_classes: 감지하고 싶은 객체들의 수로 변경.

ex) person, car, bicycle -> 3

 

- fine_tune_checkpoint 변경

** 주의: \\ 이렇게 두개씩 넣어주기

 

- input_path, label_map_path 변경 

 

- num_examples: \image\test 디렉토리에 가지고 있는 이미지 수로 변경

- input_path, label_map_path 값 변경

 

7. Run the Training

python train.py --logtostderr --train_dir=training/ --pipeline_config_path=training/faster_rcnn_inception_v2_pets.config

 

위와 같이 입력

 

8. Object Detection API 결과

tensorboard --logdir=./training

 

 

 

9. Exporting the TensorFlow Graph

Training후, 생성된 model.ckpt-{CEHCKPOINT_NUMBER}.* 파일들을 inference_graph로 변환하여 학습된 모델을 평가한다.

다음과 같이 inference_graph 생성된 것을 확인 가능하다.

 

10. Test preparation

object_detection_tutorial.ipynb 코드를 일부분 수정해서 test할 것이다.

Download Model 코드는 삭제

 

 

# For the sake of simplicity we will use only 2 images:
# image1.jpg
# image2.jpg
# If you want to test the code with your images, just add path to the images to the TEST_IMAGE_PATHS.
PATH_TO_TEST_IMAGES_DIR = 'images\\test'
TEST_IMAGE_PATHS = [ os.path.join(PATH_TO_TEST_IMAGES_DIR, 't1_video_00001_000{}.jpg'.format(i)) for i in range(41, 50) ]

# Size, in inches, of the output images.
IMAGE_SIZE = (12, 8)

 

>> 줄 친 부분 수정

 

** 실행 결과 **

 

 

참고

https://yongyong-e.tistory.com/35?category=836820