【文件属性】：
文件名称：ObjectDetectionTraining：用于TensorFlow对象检测模型的训练和重新训练脚本
文件大小：421KB
文件格式：ZIP
更新时间：2021-02-14 13:21:02
Python
模型训练
用于在COCO类的选择性子集上（重新）训练Tensorflow Zoo模型的脚本
依存关系
运行./install_deps.sh以安装必要的依赖项。 如果要在非Jetson设备上安装，请设置环境变量NOT_NVIDIA=true 。
该脚本创建了一个Python虚拟环境，您可以通过运行source env/bin/activate 。
生成输入数据
Tensorflow API使用一种特殊类型的文件作为其输入图像： 格式。
在可以找到将COCO数据集转换为正确的TFRecord文件格式的完整文档。
新数据集
虽然COCO数据集非常庞大，并且包含我们关注的有限子集（人，汽车，卡车等）中每个类的许多示例，但该数据集并没有包含许多来自不同角度的奇怪图像，例如无人机或监控镜头捕获的物体的俯视透视图。 以下是一些有希望的数据集，它们可以帮助缓解此问题：
如果证明这些（或其他类似）数据
【文件预览】：
ObjectDetectionTraining-master
----.gitignore(218B)
----data()
--------README.md(1KB)
--------label_maps()
----resources()
--------pip_requirements.txt(2KB)
--------conda_requirements.txt(3KB)
--------uavdt_readme.md(2KB)
----plot_object_detection_inference.py(3KB)
----models()
--------README.md(2KB)
----evaluate_model.sh(2KB)
----object_detection_training()
--------train.sh(389B)
--------evaluate.sh(441B)
--------run_inference.sh(804B)
--------export_model.sh(504B)
--------scripts()
--------annotations()
----README.md(3KB)
----tensorboard_visualize.sh(1008B)
----exporter_main_v2.py(7KB)
----DataManipulation()
--------generate_tfrecord.py(12KB)
--------coco_to_voc_annotations.py(1KB)
--------parse_xml_annotations.py(2KB)
--------voc_to_coco_annotations.py(2KB)
--------__init__.py(0B)
--------convert_pevid_to_voc.py(14KB)
--------annotation_conversion.py(16KB)
--------convert_pevid_to_voc.sh(568B)
--------README.md(3KB)
--------colinScripts()
--------old()
--------generate_tfrecord.sh(894B)
--------coco_to_voc_annotations.sh(511B)
--------install_pevid-uhd_deps.sh(320B)
--------voc_to_coco_annotations.sh(7KB)
----install_deps.sh(2KB)
----retrain_model.sh(1KB)
----model_main_tf2.py(6KB)