1. 首页首页
  2. 科技前沿科技前沿

retinanet训练自己的数据（resnet50训练自己的数据集）

科技前沿 • • 阅读 48

retinanet训练自己的数据（resnet50训练自己的数据集）主要的步骤 自定义训练数据 图片目标标注 生成训练文件 图片名称 目标标注位置 目标类别 调整参数 训练模型 转换生成的模型 用转换后的模型进行目标检测 具体内容 1 下载包 安装环境 从 Github 上下载 keras retinanet 库 pip nbsp install nbsp nbsp user nbsp 把库配置到当前环境中

大家好，我是讯享网，很高兴认识大家。

主要的步骤

  • 自定义训练数据
  • 图片目标标注
  • 生成训练文件（图片名称、目标标注位置、目标类别）
  • 调整参数、训练模型
  • 转换生成的模型
  • 用转换后的模型进行目标检测

具体内容

1.下载包、安装环境

从Github上下载keras-retinanet库

pip install . —-user 把库配置到当前环境中

python 
讯享网setup.py build_ext —inplace 编译Cpython代码

 

2. 准备数据集

新建Annotations、ImageSets、JPEGImages三个文件夹

Annotations:存放用”lamlImg”软件标注生成的xml文件

JPEGImages:存放用于训练和测试的数据图片

ImageSets —> Main:存放用 genmaintxt.py 按比例随机抽样切分的训练集、测试集、验证集

gen_csv.py:生成包含文件名、目标位置、目标类型的annotations.csv、classes.csv

debug.py:测试数据是否生成成

 

3.模型训练：

修改batch-size、image-min-side、image-max-side适应小内存的GPU：

　　python keras_retinanet/bin/train.py csv F:/RetinaNet/annotations.csv  F:/RetinaNet/classes.csv

根据识别的目标类型数确定合适的epochs、steps

 

4.模型应用

转换训练生成的.h5文件：

　　python kerasretinanet/bin/convertmodel.py snapshots/resnet50_csv_08.h5 F:/RetinaNet/examples/model_08.h5

Get.py 文件配置转换后的h5模型文件地址与目标图像的地址

小讯
上一篇 2025-06-01 07:57
下一篇 2025-05-22 22:28

相关推荐

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。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。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/158017.html