TensorFlow内包含了一个强大的物体检测API，我们可以利用这API来训练自己的数据集实现特殊的目标检测。

作者软硬件环境配置:

CPU: i7-6800k (不重要,主流的ＣＰＵ均可)
OS: Ubuntu Linux 16.04 LTS 优麒麟版
内存:16G
硬盘：ｓｓｄ
显卡：ＮVIDIA GEFORCE GTX 1080TI 11G （显存越大越好，cuda核心数越多越好，我在训练时，使用GPU,速度会比使用CPU快10-20倍）

国外一位程序员分享了自己实现可爱的浣熊检测器的经历

原文地址（需要翻越那道墙）：https://towardsdatascience.com/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9

原文作者的github：https://github.com/datitran/raccoon_dataset　　　（作者的数据集可以在这里下载）

在文章中作者把检测器的训练流程进行了简要介绍，但过于粗略，初学者难以跟着实现。为了方便初学者，我把详细的步骤整理了一下，下面我们一起来学习一下吧！

为什么要做这件事？

方便面君不仅可爱，在国外很普遍的与人们平静地生活在一起。处于对它的喜爱和与浣熊为邻的情况，作者选择了它作为检测器的检测对象。完成后可以将摄像安装在房子周围，检测是否有浣熊闯入了你家，你就能及时知道是否来了不速之客了。看来浣熊还真多啊！

一、创建数据集

机器学习需要数据作为原料，那么我们首先需要做的就是建立起一个可供训练的数据集，同时我们需要利用符合Tensorflow的数据格式来保存这些数据及其标签。

１.在准备输入数据之前你需要考虑两件事情：其一，你需要一些浣熊的彩色图片；其二，你需要在图中浣熊的位置框坐标（xmin，ymin，xmax，ymax）来定位浣熊的位置并进行分类。对于只检测一种物体来说我们的任务十分简单，只需要定义一类就可以了；

２.哪里去找数据呢？互联网是最大的资源啦。包括各大搜索引擎的图片搜索和图像网站，寻找一些不同尺度、位姿、光照下的图片。作者找了大概两百张的浣熊图片来训练自己的检测器（数据量有点小，但是来练手还是可以的，其实imagenet上有浣熊的数据集的，有心的朋友可以去下载，注册imagenet是需要翻越高墙的，否则看不到验证码）;

3.有了数据以后我们需要给他们打标签。分类很简单,都是浣熊，但是我们需要手动在每一张图中框出浣熊的位置。一个比较好的打标工具是LabelImg，　关于图片打标，请参考我的另一篇文章《

除特别声明，本站所有文章均为原创，如需转载请以超级链接形式注明出处：SmartCat's Blog