目标干脆面君：动动手，用TensorFlow API训练出自己的目标检测模型

编者按：本文来自微信公众号“将门创投”（ID：thejiangmen），来源：Medium，编译：Tom R，36氪经授权发布。

TensorFlow内包含了一个强大的物体检测API，我们可以利用这API来训练自己的数据集实现特殊的目标检测。

Dat Tran就分享了自己实现可爱的浣熊检测器的经历，在文章中作者把检测器的训练流程进行了梳理，我们可以举一反三来训练其他在工作项目中需要的检测器。下面我们一起来学习一下吧！

为什么要做这件事？

方便面君不仅可爱，在国外很普遍的与人们平静地生活在一起。处于对它的喜爱和与浣熊为邻的情况，作者选择了它作为检测器的检测对象。完成后可以将摄像安装在房子周围，检测是否有浣熊闯入了你家，你就能及时知道是否来了不速之客了。看来浣熊还真多啊！

创建数据集

机器学习需要数据作为原料，那么我们首先需要做的就是建立起一个可供训练的数据集，同时我们需要利用符合Tensorflow的数据格式来保持这些数据及其标签：

1. Tensorflow的物体检测接口主要使用TFRecord文件格式，我们需要将数据转换为这个格式；

2.有很多工具可以完成数据的转换，无论是类似PASCAL VOC数据集或是Oxford Pet数据集的格式，都有很多成熟的脚本来完成转换，甚至也可以自己写一个脚本来转换，跟着文档解释不会太难；

3.在准备输入数据之前你需要考虑两件事情：其一，你需要一些浣熊的彩色图片；其二，你需要在图中浣熊的位置框坐标（xmin，ymin，xmax，ymax）来定位浣熊的位置并进行分类。对于只检测一种物体来说我们的任务十分简单，只需要定义一类就可以了；

4.哪里去找数据呢？互联网是最大的资源啦。包括各大搜索引擎的图片搜索和图像网站，寻找一些不同尺度、位姿、光照下的图片。作者找了大概两百张的浣熊图片来训练自己的检测器（数据量有点小，但是来练手还是可以的）;

5.有了数据以后我们需要给他们打标签。分类很简单都是浣熊，但是我们需要手动在每一张图中框出浣熊的位置。一个比较好的打标工具是LabelImg。编译好后只要要在图片上轻点鼠标就可以得到PASCAL VOC格式的XML文件，再利用一个脚本就可以转换成Tensorflow需要的输入格式了；有时候在Mac上打开jpeg图像会出现问题，需要将其转换为png来解决；

6.最后，将图像的标签转换为TFRecord格式后，并将起分为训练集（~160张）和测试集（~40张）就可以开始下一步的工作了！

小提示：

1. 还有很多图像标注工具，包括 FIAT (Fast Image Data Annotation Tool)、BBox-Label-Tool、以及matlab自带的trainingImageLabeler等等，可以根据条件和需要自行选择；

2. 图像格式转换同样也有很多工具，作者推荐了ImageMagick的工具，当然我们还有ps，美图的工具，甚至自己写一个脚本也是一两分钟的事；

3. 整个训练过程中最耗时的就是数据的标注了，作者表示仅仅一类图像200张的排序和打标签就花了他两个多小时的时间，如果需要大量图像的话还是要情人帮忙或者找标注公司，例如CrowdFlower, CrowdAI 和 Amazon’s Mechanical Turk；

4. 对于图像的选择，尽量选择适中的图像，要是太大不仅运算速度慢还会造成内存溢出，需要调节训练批量的大小。

训练模型

输入数据搞定后我们就开始训练模型啦。一般对于物体识别训练来说有标准的工作流程。首先需要利用一个预训练模型来作为训练的基础，作者使用了ssd_mobilenet_v1。同时需要将分类改变为1，并更改模型、训练数据、标签数据的路径。对于学习率、批量大小和其他超参数先用默认参数来进行训练。

随后构建标签映射就可以进行训练了。

小提示：

1. API中有一个数据增强选项data_augmentation_option，这个选项对于较为单一的训练数据来说十分有用。

2. 重要！标签的值需要从1开始标记，0是一个占位符，在为每一类分类标签赋值时需要注意。

做完了这些进一步的准备工作，我们终于可以开始训练了。我们可以选择在自己本地的GPU上训练网络，或者在云服务器上训练。在云服务器上可能需要一额外的配置文件。作者使用Google Cloud就需要一个YAML的文件来定义使用机器的参数。

在训练的过程中，我们可以通过tensorboard 来实时监测模型的训练情况一遍在出现异常时及时调整训练策略。

下图是作者基于24幅图的批量大小进行了一个多小时22k次训练的结果，但在40min左右就出现了很好的收敛结果。

图中显示了loss和精度随训练的变化情况。在预训练模型的帮助下，损失函数下降很快。

同时作者还将训练过程中模型表现随训练次数的变化呈现了出来：

在经过测试和轻微的调整之后（实现自己的精度），就可以完成训练了。

模型的使用

完成训练之后我们需要将模型保存下来，通常使用checkpoint的模式来保存。由于我们是基于云端训练的，需要通过一个脚本将模型导入到本机使用。下面是作者将这个模型放到一个youtube浣熊视频中的结果：

浣熊出没

捕捉到浣熊

看完视频我们会发现有时会出现漏识别和误识别。这主要是因为我们用于训练的数据集太小了，模型缺乏鲁棒性和泛化性，需要更多的数据来提高它的性能，而这也是目前人工智能面临的最大问题。

结语

在跟随作者完成物体检测器的训练后，我们应该也可以通过相应的步骤开发自己的检测器。当然需要提高分类器的表现，就需要更多的数据，数据，数据！

这个一检测器训练时间很短而且表现看起来不错。但对于多类物体的的话，表现是会有些许下降的，同时训练时间也要增加才能得到较好的结果。同时我们需要在心中谨记一个原则，最终的模型一定是速度与精度，效率与效果的平衡。深度学习和其他的科学一样都有矛盾与平衡的一面，真正的产品效果其实取决于你倾向天平的哪一方！