Tensorflow 目标检测项目

图片logo水印识别。识别中国军网、中国军视网Logo水印。

Step 0 下载项目

git clone https://github.com/tensorflow/models/tree/master/research/object_detection

Step 1 在将项目目录添加到PYTHONPATH

作者bourdakos1整合了tensorflow中的object-detection和slim两个子项目。
设置环境，把当前目录、slim、object_detection 三个目录加到环境变量PYTHONPYTHON。

export PYTHONPATH=/root/workspace/Custom-Object-Detection:/root/workspace/Custom-Object-Detection/slim:/root/workspace/Custom-Object-Detection/object_detection:$PYTHONPATH

Step 2 安装labelImg标注数据

#如果提示缺少组件，逐步安装
pip install labelImg
# 启动
labelImg

Step 3 标注数据

labelImg标注图片，生成xml文件。

1. /images目录下保存图片文件。
2. /annotations/label_map.pbtxt，logo标识配置文件：设置军网logo为pic1，军视网logo为pic2。
3. /annotations/trainval.txt,训练图片列表
4. /annotations/xmls,保存标注xml文件。

Step 4 转化训练的图片生成record文件

创建好标注文件后，运行下面的文件。

python object_detection/create_tf_record.py
# 运行上面的命令，在项目上生成train.record,val.record两个文件

Step 5 选择网络

作者给出里5种网络结构，本次选用faster_rcnn_reset101。网络性能特点如下表，

Step 6 迁移学习

需要两个文件，（1）config文件和（2）model.ckpt文件。

• config文件在路径object_detection/samples/configs/下，包含多种网络，config文件中描述了网络参数、训练参数等配置。

• 下载model文件，解压后将model.ckpt开头的三个文件保存在项目根目录下。下载链接在上表中。

Step 7 训练模型

只需要指明config文件，默认加载根目录下的model.ckpt文件

python object_detection/train.py \
        --logtostderr \
        --train_dir=train \
        --pipeline_config_path=faster_rcnn_resnet101.config

在训练的过程中，会将模型参数保存到train目录下。

Step 8 生成模型，导出图

将train目录下生成的model.ckpt-数字三个文件拷贝到项目根目录，运行命令

python object_detection/export_inference_graph.py \
        --input_type image_tensor \
        --pipeline_config_path faster_rcnn_resnet101.config \
        --trained_checkpoint_prefix model.ckpt-数字 \
        --output_directory output_inference_graph

Step 9 测试

将测试文件放在test_images路径下，运行

python object_detection/object_detection_runner.py
# 结果保存在output文件夹下

Step 10 GPU训练

基于阿里云GN4型服务器1个NVIDIA M40 GPU，训练6000轮，最终得到了较好的识别效果。

Step 11 问题

深度神经网络识别Logo水印，方法简单，构建较小数据集，而且训练时间也不是很长。

但预测时间比较长，模型比较大，下一步改用mobilenet，希望能将预测时间降到0.1秒。

如果使用YOLO，模型算法上会比rcnn更快。