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:netsobject_detectiontraining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中共有1300张图片,测试图片是随机选的10张图片

Tensorflow object detection API 搭建物体识别模型(四)

Tensorflow object detection API 搭建物体识别模型(四)

 

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。