resnet模型训练过程（resnet训练自己的模型）



目录

目录

1 构建Retinanet环境

2 生成CSV文件

3训练

4.转化模型

5.测试

6.评测

loss可视化

ap，precision-recall

数据集什么的看我之前博客，资源里也有标记好的数据集，这里主要写一下我配置使用训练过程。

1.代码库下载地址https://github.com/fizyr/keras-retinanet，或git命令：

在这个文件夹内运行下面代码来安装keras-retinanet库，确认你已经根据自己的系统需求安装了tensorflow

训练自己的数据集需要至少两个CSV文件，一个文件包含标注数据，另一个则包含各个类别名及其对应的ID序号映射。

先抛出我的文件位置，新建一个csv文件夹，data文件里放置的是训练图片及标签

三个csv就是我们要生成的

进入csv文件夹下，python xml2csv.py -i /home/zbb/keras-retinanet/CSV/data

class.csv:

train.csv:

retinanet-convert-model 训练出的模型地址 转化后的推断模型地址

返回上一层文件夹，即是keras-retinanet下，新建test.py文件运行测试，进行修改，可测试保存多张图片

结果挺好的，检测了100张，没有错误，速度也还不错，大概两个小时

loss可视化

对应是文件夹，结果如下：

ap，precision-recall：

没有找到，有会的可以博客下面留言交流

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/rfx/26116.html