OpenVINO™ Training Extensions - Training Your labeled Detection Data

[junxnone]

• openvino_training_extensions/tensorflow_toolkit/ssd_detector

Reference

• Github repo

Brief

• ssd_detector 使用 model - ssd_mobilenet_v2
• Input_shape - (256, 256, 3)

Prepare Data & Config

Data - Your Image and Labeled File

• 标注图片
  • 标注工具可以使用CVAT, labelme, labelImg 等
  • 如果有已经标记好的其他格式(Pascal VOC/YOLO)的数据, 可以使用 CVAT 预览数据并转换为 COCO Json 格式
• 将准备好的图片和注释文件放在 ROOT/data/your_project/
  • 注释文件为 COCO Json 格式

Config

• 参考 COCO 和 VLP 的配置文件
• 必须配置的选项
  • 标注文件
  • 预训练权重
  • steps
  • lr policy

Model Training & Evaluation

• 下载在 COCO datasets 上预训练的权重用于 retrain - fine-tune

cd openvino_training_extensions/tensorflow_toolkit/ssd_detector
python3 tools/train.py your_project/config.py

• Evaluation 和 Training 同时进行

需要手动另起一个终端执行 eval.py

python3 tools/eval.py your_project/config.py

tensorboard 查看训练过程

tensorboard --logdir your_project/model --port your_port

在浏览器中打开 127.0.0.1:your_port 查看训练过程

Tips

• CVAT dump 的 coco 格式和 此处需要的格式有出入需要把 file_name 替换为 image - 20200204
• numpy 版本需要低一点的(1.16.4), 否则 eval.py 执行报错 - 20200204

[junxnone]

#79

TODO

• Split data(Annotation Json File)
• evaluation map every classes