四、模型测试
1)下载文件
在已经阅读并且实践过前3篇文章的情况下,读者会有一些文件夹。因为每个读者的实际操作不同,则文件夹中的内容不同。为了保持本篇文章的独立性,制作了可以独立运行的文件夹目标检测
。
链接:https://pan.baidu.com/s/1tHOfRJ6zV7lVEcRPJMiWaw 提取码:mf9r,下载到桌面,并解压,目标检测目录下存在:nets
、object_detection
、training
三个文件夹,
文件夹
training
中含有训练了200000次的模型
要求:读者需要用本文中的文件夹object_detection
替换自己的文件夹object_detection
2)导出训练好的模型
在目标检测目录下,打开dos窗口,cmd中运行命令:setx -m PYTHONPATH "C:\Users\Administrator\Desktop\目标检测"
运行成功会有提示成功: 指定的值已得到保存
然后,在cmd中运行:
python object_detection/export_inference_graph.py --input_type=image_tensor --pipeline_config_path=training/ssdlite_mobilenet_v2_coco.config --trained_checkpoint_prefix=training/model.ckpt-200000 --output_directory=fish_inference_graph
在桌面的文件夹目标检测
中产生了文件夹fish_inference_graph
3)下载测试数据
下载地址:https://pan.baidu.com/s/1Ry0ywIXVInGxeHi3uu608g 提取码: wib3
4)下载并运行测试代码
链接: https://pan.baidu.com/s/1ipn9u-Gj4bVmXpIHlxMgCw 提取码: dqd1
并将该文件:fish_detection.ipynb移动到目标检测文件夹下,打开dos窗口后输入jupyter notebook,然后运行
文件夹n01440764
*有1300张图片,测试图片是随机选的10张图片
五、感谢
该Tensorflow object detection API 搭建物体识别模型(一),(二),(三),(四)参考了简书:https://www.jianshu.com/p/0e5f9df4686a,感谢作者的详细步骤,其认真负责的态度值得学习。