2017 年 6 月， Google 公司开放了 TensorFlow Object Detection API 。 这 个项目使用 TensorFlow 实现了大多数深度学习目标检测框架，真中就包括Faster R-CNN。

本系列文章将

（1）先介绍如何安装 TensorFlow Object Detection API；Tensorflow Object Detection API安装

（2）再介绍如何使用已经训练好的模型进行物体检测 ；文章链接

（3）最后介绍如何训练自己的 模型；

安装环境如果是win10 CPU的话请参考（win10 CPU Tensorflow Object Detection API安装与测试）

之前已经完成了安装，直接用已有模型做检测篇的讲解；本文讲训练自己的模型做目标检测；

step1: 准备训练用的数据集

所谓人工智能，七分靠人工，事先你得准备好训练用的数据集，自己打标注。为了讲解这么个过程，采用公开的数据集VOC做讲解。VOC2012是VOC2007的升级版，共计11530张图像（voc数据集详细介绍）。

涵盖 20 类（

person（人）
bird（鸟）, cat（猫）, cow（牛）, dog（狗）, horse（马）, sheep（羊）
aeroplane（飞机）, bicycle（自行车）, boat（船）, bus（公交车）, car（轿车）, motorbike（摩托车）, train（火车）
bottle（瓶子）, chair（椅子）, dining table（餐桌）, potted plant（盆栽）, sofa（沙发）, tv/monitor（电视机/显示器）
）.

所有的标注图片都有Detection需要的label， 但只有部分数据有Segmentation Label。
VOC2007中包含9963张标注过的图片， 由train/val/test三部分组成， 共标注出24,640个物体。
VOC2007的test数据label已经公布， 之后的没有公布（只有图片，没有label）。
对于检测任务，VOC2012的trainval/test包含08-11年的所有对应图片。 trainval有11540张图片共27450个物体。
对于分割任务， VOC2012的trainval包含07-11年的所有对应图片， test只包含08-11。trainval有 2913张图片共6929个物体。
The train/val data has 11,530 images containing 27,450 ROI annotated objects and 6,929 segmentations. （voc2012地址，voc2012数据集下载链接）

在object_detection文件夹下新建一个名为voc的文件夹，将下载的voc2012解压后放在voc下，目录结构如下：

之前已经介绍过，tensorflow中数据存储格式是以.record形式存储的，首先第一步就是将voc中的原jpg格式图像转为.record格式。这里就调用了opject_detection / dataset_tools / create_pascal_tf_record.py ；指令如下（前提是你将工作路径切换到object_detection文件夹下，当然你可以更改生成文件的路径，我用的是anaconda，然后打开prompt，切换目录到了object_detection文件夹下）：
python create_pascal_tf_record.py --data_dir voc/VOCdevkit/ --year=VOC2012 --set=train --output_path=voc/pascal_train.record 
 
python create_pascal_tf_record.py --data_dir voc/VOCdevkit/ --year=VOC2012 --set=val --output_path=voc/pascal_val.record

建议从dataset_tools下拷贝一份create_pascal_tf_record.py到object_detection文件夹下，并在该python文件中增加如下内容：

##add begin
import sys
sys.path.append('E:/DL/tensorflow-models-master/models-master/research')
##add end

其中添加的路径（sys.path.append）为object_detection文件夹所在的路径(即将你的object_detection文件夹所在路径添加到系统路径）。这样再使用上面的的指令，会在voc文件夹下生成训练和验证用的数据集；

Step2: 添加标签映射信息

这步就是将voc数据集的数字标签和对应代表的类别映射信息准备好。以便后续解析。在tensorflow中，早就对voc数据集做好映射信息了，放在object_detection/data/文件夹下。voc共20类。

其内容为：

item {
  id: 1
  name: 'aeroplane'
}
 
item {
  id: 2
  name: 'bicycle'
}
 
item {
  id: 3
  name: 'bird'
}
 
item {
  id: 4
  name: 'boat'
}
 
item {
  id: 5
  name: 'bottle'
}
 
item {
  id: 6
  name: 'bus'
}
 
item {
  id: 7
  name: 'car'
}
 
item {
  id: 8
  name: 'cat'
}
 
item {
  id: 9
  name: 'chair'
}
 
item {
  id: 10
  name: 'cow'
}
 
item {
  id: 11
  name: 'diningtable'
}
 
item {
  id: 12
  name: 'dog'
}
 
item {
  id: 13
  name: 'horse'
}
 
item {
  id: 14
  name: 'motorbike'
}
 
item {
  id: 15
  name: 'person'
}
 
item {
  id: 16
  name: 'pottedplant'
}
 
item {
  id: 17
  name: 'sheep'
}
 
item {
  id: 18
  name: 'sofa'
}
 
item {
  id: 19
  name: 'train'
}
 
item {
  id: 20
  name: 'tvmonitor'
}

我们将 pascal_label_map.pbtxt 拷贝一份到 voc文件夹下；

step3:预训练模型下载

接下来就是选择合适的模型对下载的数据集进行训练了，本文选用的是coco预训练的Faster R-CNN+Inception_ResNet_v2模型（该预训练模型下载地址为：预训练模型）by the way,你也可以选择其他模型作为预训练模型用，下载地址为：tensorflow model zoo

将下载的Faster R-CNN+Inception_ResNet_v2模型放在object_detection / voc / pretrained/文件夹下；你下载后得到的会是 “faster_rcnn_inception_resnet_v2_atrous_coco_11_06_2017”这么个文件，将其解压会得到下面五个文件：

各个文件model zoo给与的解释如下：

a graph proto (graph.pbtxt)
a checkpoint (model.ckpt.data-00000-of-00001, model.ckpt.index, model.ckpt.meta)
a frozen graph proto with weights baked into the graph as constants (frozen_inference_graph.pb) to be used for out of the box inference (try this out in the Jupyter notebook!)
a config file (pipeline.config) which was used to generate the graph. These directly correspond to a config file in the samples/configs) directory but often with a modified score threshold. In the case of the heavier Faster R-CNN models, we also provide a version of the model that uses a highly reduced number of proposals for speed.
下载以上文件的作用就是在官网预训练模型的基础上做finetune，不是完全重新训练。

step4:创建配置文件

在object_detection/samples/configs/下，找到faster_rcnn_inception_resnet_v2_atrous_pets.config这一配置文件，并拷贝一份重命名为voc.config并做一些更改后放在voc文件夹下（如本文文件结构图所示），更改后的voc.config内容如下（完整内容）：

# Faster R-CNN with Inception Resnet v2, Atrous version;
# Configured for Oxford-IIIT Pets Dataset.
# Users should configure the fine_tune_checkpoint field in the train config as
# well as the label_map_path and input_path fields in the train_input_reader and
# eval_input_reader. Search for "PATH_TO_BE_CONFIGURED" to find the fields that
# should be configured.
 
model {
  faster_rcnn {
    num_classes: 20                        #change from 37 to 20 by csq
    image_resizer {
      keep_aspect_ratio_resizer {
        min_dimension: 600
        max_dimension: 1024
      }
    }
    feature_extractor {
      type: 'faster_rcnn_inception_resnet_v2'
      first_stage_features_stride: 8
    }
    first_stage_anchor_generator {
      grid_anchor_generator {
        scales: [0.25, 0.5, 1.0, 2.0]
        aspect_ratios: [0.5, 1.0, 2.0]
        height_stride: 8
        width_stride: 8
      }
    }
    first_stage_atrous_rate: 2
    first_stage_box_predictor_conv_hyperparams {
      op: CONV
      regularizer {
        l2_regularizer {
          weight: 0.0
        }
      }
      initializer {
        truncated_normal_initializer {
          stddev: 0.01
        }
      }
    }
    first_stage_nms_score_threshold: 0.0
    first_stage_nms_iou_threshold: 0.7
    first_stage_max_proposals: 300
    first_stage_localization_loss_weight: 2.0
    first_stage_objectness_loss_weight: 1.0
    initial_crop_size: 17
    maxpool_kernel_size: 1
    maxpool_stride: 1
    second_stage_box_predictor {
      mask_rcnn_box_predictor {
        use_dropout: false
        dropout_keep_probability: 1.0
        fc_hyperparams {
          op: FC
          regularizer {
            l2_regularizer {
              weight: 0.0
            }
          }
          initializer {
            variance_scaling_initializer {
              factor: 1.0
              uniform: true
              mode: FAN_AVG
            }
          }
        }
      }
    }
    second_stage_post_processing {
      batch_non_max_suppression {
        score_threshold: 0.0
        iou_threshold: 0.6
        max_detections_per_class: 100
        max_total_detections: 100
      }
      score_converter: SOFTMAX
    }
    second_stage_localization_loss_weight: 2.0
    second_stage_classification_loss_weight: 1.0
  }
}
 
train_config: {
  batch_size: 1
  optimizer {
    momentum_optimizer: {
      learning_rate: {
        manual_step_learning_rate {
          initial_learning_rate: 0.0003
          schedule {
            step: 0
            learning_rate: .0003
          }
          schedule {
            step: 900000
            learning_rate: .00003
          }
          schedule {
            step: 1200000
            learning_rate: .000003
          }
        }
      }
      momentum_optimizer_value: 0.9
    }
    use_moving_average: false
  }
  gradient_clipping_by_norm: 10.0
  fine_tune_checkpoint: "voc/pretrained/model.ckpt"   #change your own path for pre-trained model by csq
  from_detection_checkpoint: true
  # Note: The below line limits the training process to 200K steps, which we
  # empirically found to be sufficient enough to train the pets dataset. This
  # effectively bypasses the learning rate schedule (the learning rate will
  # never decay). Remove the below line to train indefinitely.
  num_steps: 200000
  data_augmentation_options {
    random_horizontal_flip {
    }
  }
}
 
train_input_reader: {
  tf_record_input_reader {
    input_path: "voc/pascal_train.record"   #change your own path for train data by csq
  }
  label_map_path: "voc/pascal_label_map.pbtxt" #change your own path for label map by csq
}
 
eval_config: {
  num_examples: 5823                            #change from 1101 to 5823 by csq
  # Note: The below line limits the evaluation process to 10 evaluations.
  # Remove the below line to evaluate indefinitely.
  max_evals: 10
}
 
eval_input_reader: {
  tf_record_input_reader {
    input_path: "voc/pascal_val.record"        #change your own path for val data by csq
  }
  label_map_path: "voc/pascal_label_map.pbtxt"  #change your own path for label map by csq
  shuffle: false
  num_readers: 1
}

更改之处总共有7项：1.训练类别数更改，voc有20类；2.验证阶段图片数量为5823（视具体情况）；3.训练，验证，标签路径更改；

step5:开始训练

准备好如上内容后，可以开始训练了，目录切换到object_detection文件夹下，查看该目录下是否有train.py，如果没有（根据tensorflow版本的不同），可查看legacy文件夹，并将其中的train.py拷贝一份到object_detection目录下。运行如下指令开始训练：

python train.py --traiη_dir voc/train_dir/ --pipeline_config_path voc/voc.config
训练得到的日志和模型会存放在train_dir中。可用tensorboard监控：tensorboard --logdir voc/train_dir/

***如果训练过程中提示内存和显存不足，可将配置文件中的最小尺寸和最大尺寸由现在的600，1024等比例改的小些（如300，512）

***如果运行训练指令后提示“AttributeError:'module' object has no attribute 'get_or_create_global_step'”的话，这是由于tensorflow版本冲突问题造成的；早些的tensorflow版本中是tf.train.get_or_create_global_step()；后面的版本则更改为tf.contrib.framework.get_or_create_global_step()即可；由于我调用了低版本的tensorflow,因此对提示的错误位置做了更改；如下图，提示optimizer_builder.py中模块没有get_or_create_global_step()，故将该文件中做了上述的更改。 

***如果遇到提示解析出错，可能是你的config文件没有写对。

下图是正常训练的中间过程：

如果训练的步长设置太长，可适当调小，也可以中途中止训练，用tensorboard查看训练状态，然后决定是否中止或继续训练。我训练了55000步，在voc/train_dir中生成如下内容：

其中红线部分是每隔一定时间，会保存模型，且只保存最近的5个模型权重。checkpoint文件中记录了最新的5个权重信息，events开头文件可在tensorboard中查看训练记录，pipeline.config和step4中的配置文件一样。graph.pbtxt图表信息。

step6:导出训练模型

这一步的主要目的是将train_dir目录中的checkpoint文件导出并用于单张图片的目标检测。在object_detection文件夹下有个export_inference_graph.py脚本可导出训练好的模型。将目录切换到object_detection文件夹下，运行如下指令：
python export_inference_graph.py \
--input_type image_tensor \
--pipeline_config_path voc/voc.config \
--trained_checkpoint_prefix voc/train_dir/model.ckpt-54747 \
--output_directory voc/export/

其中的54747是你最后模型保存时对应的训练步数，可在checkpoint文件中查看。

最后会在voc/export/文件夹中产生导出的pb文件。

***如果在运行指令后，弹出“ImportError:cannot import name rewriter_config_pb2” ，问题点可能是你的tensorflow版本太低，需要升级，运行pip install --upgrade tensorflow==1.8  （指定个版本或可以不指定）；或者 将API中的exporter.py中的rewrite_options = rewriter_config_pb2.RewriterConfig(
layout_optimizer=rewriter_config_pb2.RewriterConfig.ON)这里的layout_optimizer替换为optimize_tensor_layout（参考：tensorflow/core/protobuf/rewriter_config_pb2.py has updated,but Object Detection API's file not）

***如果遇到" TypeError: non_max_suppression() got an unexpected keyword argument 'score_threshold' "，请升级你的tensorflow版本，貌似1.9或以上才支持。