目標乾脆面君：動動手，用TensorFlow API訓練出自己的目標檢測模型

來源：Medium

編譯：Tom R

TensorFlow內包含了一個強大的物體檢測API，我們可以利用這API來訓練自己的數據集實現特殊的目標檢測。Dat Tran就分享了自己實現可愛的浣熊檢測器的經歷，在文章中作者把檢測器的訓練流程進行了梳理，我們可以舉一反三來訓練其他在工作項目中需要的檢測器。下面我們一起來學習一下吧！

GIF/1424K

為什麼要做這件事？

速食麵君不僅可愛，在國外很普遍的與人們平靜地生活在一起。處於對它的喜愛和與浣熊為鄰的情況，作者選擇了它作為檢測器的檢測對象。完成後可以將攝像安裝在房子周圍，檢測是否有浣熊闖入了你家，你就能及時知道是否來了不速之客了。看來浣熊還真多啊！

創建數據集

機器學習需要數據作為原料，那麼我們首先需要做的就是建立起一個可供訓練的數據集，同時我們需要利用符合Tensorflow的數據格式來保持這些數據及其標籤：

1. Tensorflow的物體檢測介面主要使用TFRecord文件格式，我們需要將數據轉換為這個格式；

2.有很多工具可以完成數據的轉換，無論是類似PASCAL VOC數據集或是Oxford Pet數據集的格式，都有很多成熟的腳本來完成轉換，甚至也可以自己寫一個腳本來轉換，跟著文檔解釋不會太難；

3.在準備輸入數據之前你需要考慮兩件事情：其一，你需要一些浣熊的彩色圖片；其二，你需要在圖中浣熊的位置框坐標（xmin，ymin，xmax，ymax）來定位浣熊的位置並進行分類。對於只檢測一種物體來說我們的任務十分簡單，只需要定義一類就可以了；

4.哪裡去找數據呢？互聯網是最大的資源啦。包括各大搜索引擎的圖片搜索和圖像網站，尋找一些不同尺度、位姿、光照下的圖片。作者找了大概兩百張的浣熊圖片來訓練自己的檢測器（數據量有點小，但是來練手還是可以的）;

5.有了數據以後我們需要給他們打標籤。分類很簡單都是浣熊，但是我們需要手動在每一張圖中框出浣熊的位置。一個比較好的打標工具是LabelImg。編譯好後只要要在圖片上輕點滑鼠就可以得到PASCAL VOC格式的XML文件，再利用一個腳本就可以轉換成Tensorflow需要的輸入格式了；有時候在Mac上打開jpeg圖像會出現問題，需要將其轉換為png來解決；

6.最後，將圖像的標籤轉換為TFRecord格式後，並將起分為訓練集（~160張）和測試集（~40張）就可以開始下一步的工作了！

小提示：

1. 還有很多圖像標註工具，包括 FIAT (Fast Image Data Annotation Tool)、BBox-Label-Tool、以及matlab自帶的trainingImageLabeler等等，可以根據條件和需要自行選擇；

2. 圖像格式轉換同樣也有很多工具，作者推薦了ImageMagick的工具，當然我們還有ps，美圖的工具，甚至自己寫一個腳本也是一兩分鐘的事；

3. 整個訓練過程中最耗時的就是數據的標註了，作者表示僅僅一類圖像200張的排序和打標籤就花了他兩個多小時的時間，如果需要大量圖像的話還是要情人幫忙或者找標註公司，例如CrowdFlower, CrowdAI 和 Amazon』s Mechanical Turk；

4. 對於圖像的選擇，盡量選擇適中的圖像，要是太大不僅運算速度慢還會造成內存溢出，需要調節訓練批量的大小。

訓練模型

輸入數據搞定後我們就開始訓練模型啦。一般對於物體識別訓練來說有標準的工作流程。首先需要利用一個預訓練模型來作為訓練的基礎，作者使用了ssd_mobilenet_v1。同時需要將分類改變為1，並更改模型、訓練數據、標籤數據的路徑。對於學習率、批量大小和其他超參數先用默認參數來進行訓練。

隨後構建標籤映射就可以進行訓練了。

小提示：

1. API中有一個數據增強選項data_augmentation_option，這個選項對於較為單一的訓練數據來說十分有用。

2. 重要！標籤的值需要從1開始標記，0是一個佔位符，在為每一類分類標籤賦值時需要注意。

做完了這些進一步的準備工作，我們終於可以開始訓練了。我們可以選擇在自己本地的GPU上訓練網路，或者在雲伺服器上訓練。在雲伺服器上可能需要一額外的配置文件。作者使用Google Cloud就需要一個YAML的文件來定義使用機器的參數。

在訓練的過程中，我們可以通過tensorboard來實時監測模型的訓練情況一遍在出現異常時及時調整訓練策略。

下圖是作者基於24幅圖的批量大小進行了一個多小時22k次訓練的結果，但在40min左右就出現了很好的收斂結果。

圖中顯示了loss和精度隨訓練的變化情況。在預訓練模型的幫助下，損失函數下降很快。

同時作者還將訓練過程中模型表現隨訓練次數的變化呈現了出來：

GIF/1590K

在經過測試和輕微的調整之後（實現自己的精度），就可以完成訓練了。

模型的使用

完成訓練之後我們需要將模型保存下來，通常使用checkpoint的模式來保存。由於我們是基於雲端訓練的，需要通過一個腳本將模型導入到本機使用。下面是作者將這個模型放到一個youtube浣熊視頻中的結果：

浣熊出沒

GIF/496K

捕捉到浣熊

GIF/394K

看完視頻我們會發現有時會出現漏識別和誤識別。這主要是因為我們用於訓練的數據集太小了，模型缺乏魯棒性和泛化性，需要更多的數據來提高它的性能，而這也是目前人工智慧面臨的最大問題。

結語

在跟隨作者完成物體檢測器的訓練後，我們應該也可以通過相應的步驟開發自己的檢測器。當然需要提高分類器的表現，就需要更多的數據，數據，數據！

這個一檢測器訓練時間很短而且表現看起來不錯。但對於多類物體的的話，表現是會有些許下降的，同時訓練時間也要增加才能得到較好的結果。同時我們需要在心中謹記一個原則，最終的模型一定是速度與精度，效率與效果的平衡。深度學習和其他的科學一樣都有矛盾與平衡的一面，真正的產品效果其實取決於你傾向天平的哪一方！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！