Я создаю свой набор данных для задачи тонкой настройки, используя API обнаружения объектов tenorflow.
Моя структура каталогов:
train /
- imgs /
---- img1.jpg
- ann /
---- img1.csv
где CSV, по одному на изображение,label, x, y, w, h
Я использовал этот скрипт для сохранения tfrecord:
import tensorflow as tf
from os import listdir
import os
from os.path import isfile, join
import csv
import json
from object_detection.utils import dataset_util
flags = tf.app.flags
flags.DEFINE_string('output_path', '', 'Path to output TFRecord')
FLAGS = flags.FLAGS
LABEL_DICT = {}
counter = 0
def create_tf_example(example):
# TODO(user): Populate the following variables from your example.
height = 404 # Image height
width = 720 # Image width
filename = example['path'].encode('utf-8').strip() # Filename of the image. Empty if image is not from file
with tf.gfile.GFile(example['path'], 'rb') as fid:
encoded_image_data = fid.read()
image_format = 'jpeg'.encode('utf-8').strip() # b'jpeg' or b'png'
xmins = [] # List of normalized left x coordinates in bounding box (1 per box)
xmaxs = [] # List of normalized right x coordinates in bounding box
# (1 per box)
ymins = [] # List of normalized top y coordinates in bounding box (1 per box)
ymaxs = [] # List of normalized bottom y coordinates in bounding box
# (1 per box)
classes_text = [] # List of string class name of bounding box (1 per box)
classes = [] # List of integer class id of bounding box (1 per box)
for box in example['boxes']:
#if box['occluded'] is False:
#print("adding box")
xmins.append(float(int(box['x']) / width))
xmaxs.append(float(int(box['w']) + int(box['x']) / width))
ymins.append(float(int(box['y']) / height))
ymaxs.append(float(int(box['h']) + int(box['y']) / height))
classes_text.append(box['label'].encode('utf-8'))
classes.append(int(LABEL_DICT[box['label']]))
tf_example = tf.train.Example(features=tf.train.Features(feature={
'image/height': dataset_util.int64_feature(height),
'image/width': dataset_util.int64_feature(width),
'image/filename': dataset_util.bytes_feature(filename),
'image/source_id': dataset_util.bytes_feature(filename),
'image/encoded': dataset_util.bytes_feature(encoded_image_data),
'image/format': dataset_util.bytes_feature(image_format),
'image/object/bbox/xmin': dataset_util.float_list_feature(xmins),
'image/object/bbox/xmax': dataset_util.float_list_feature(xmaxs),
'image/object/bbox/ymin': dataset_util.float_list_feature(ymins),
'image/object/bbox/ymax': dataset_util.float_list_feature(ymaxs),
'image/object/class/text': dataset_util.bytes_list_feature(classes_text),
'image/object/class/label': dataset_util.int64_list_feature(classes),
}))
return tf_example
def ex_info(img_path, ann_path):
boxes = []
head = ['label','x','y','w','h']
with open(ann_path, 'r') as csvfile:
annreader = csv.DictReader(csvfile, fieldnames=head)
for box in annreader:
boxes.append(box)
LABEL_DICT[box['label']] = LABEL_DICT.get(box['label'], len(LABEL_DICT) + 1)
ex = {
"path" : img_path,
"boxes" : boxes
}
return ex
def main(_):
writer = tf.python_io.TFRecordWriter(FLAGS.output_path)
# TODO(user): Write code to read in your dataset to examples variable
dataset_dir = "train"
ann_dir = join(dataset_dir, "ann")
imgs_dir = join(dataset_dir, "imgs")
labelDest = "tfTrain/data/labels_map.pbtxt"
imgs = [join(imgs_dir, f) for f in listdir(imgs_dir) if isfile(join(imgs_dir, f))]
anns = [join(ann_dir, os.path.basename(im).replace("jpg","csv")) for im in imgs]
for img,ann in zip(imgs,anns):
example = ex_info(img,ann)
#tf_example = create_tf_example(example)
#writer.write(tf_example.SerializeToString())
with open(labelDest, 'w', encoding='utf-8') as outL:
for name,key in LABEL_DICT.items():
outL.write("item { \n id: " + str(key) + "\n name: '" + name + "'\n}\n")
writer.close()
if __name__ == '__main__':
tf.app.run()
, но когда я запустил скрипт поезда, я получил эту ошибку
python train.py --logtostderr --train_dir=rk.python.ops.variables) устарела и будет удалена в следующей версии.Инструкции по обновлению: переключитесь на tf.train.create_global_step Traceback (последний вызов был последним): файл «models / research / object_detection / utils / label_map_util.py", строка 135, в файле load_labelmap text_format.Merge (label_map_string, label_map) File "/home/user/anaconda3/envs/tf/lib/python3.6/site-packages/google/protobuf/text_format.py ", строка 525, в файле Merge descriptor_pool = descriptor_pool)" / home / user / anaconda3 / envs /tf / lib / python3.6 / site-packages / google / protobuf / text_format.py ", строка 579, в MergeLines возвращает parser.MergeLines (строки, сообщение) Файл" / home / user / anaconda3 / envs / tf / lib /python3.6 / site-packages / google / protobuf / text_format.py ", строка 612, в файле MergeLines self._ParseOrMerge (lines, message) Файл" /home/user/anaconda3/envs/tf/lib/python3.6/site-packages / google / protobuf / text_format.py ", строка 627, в файле _ParseOrMerge self._MergeField (tokenizer, message)" /home/user/anaconda3/envs/tf/lib/python3.6/site-packages/google/protobuf / text_format.py ", строка 727, в слиянии _MergeField (дляkenizer, message, field) Файл "/home/user/anaconda3/envs/tf/lib/python3.6/site-packages/google/protobuf/text_format.py", строка 815, в _MergeMessageField self._MergeField (токенайзер, sub_message) Файл "/home/user/anaconda3/envs/tf/lib/python3.6/site-packages/google/protobuf/text_format.py", строка 695, в _MergeField (message_descriptor.full_name, name)) google.protobuf.text_format.ParseError: 23:20: Тип сообщения «object_detection.protos.StringIntLabelMapItem» не имеет поля с именем «s».
Во время обработки вышеуказанного исключения произошло другое исключение:
Traceback (most recent call last):
File "train.py", line 184, in <module>
tf.app.run()
File "/home/user/anaconda3/envs/tf/lib/python3.6/site-packages/tensorflow/python/platform/app.py",
строка 126, в прогоне _sys.exit (main (argv)) Файл "train.py", строка 180, в основном graph_hook_fn = graph_rewriter_fn) Файл "models / research / object_detection / trainer.py", строка 264, в train train_config.prefetch_queue_capacity, data_augmentation_options) Файл "models / research / object_detection / trainer.py", строка 59, в файле create_input_queue tenor_dict = create_tensor_dict_fn () Файл "train.py", строка 121, в наборе данных get_nextder.build (config)). get_next () Файл «models / research / object_detection / builders / dataset_builder.py», строка 155, в файле build_map_proto_file = label_map_proto_file) Файл «models / research / object_detection / data_decoders / tf_example_decoder.py»строка 245, в init use_display_name) Файл "models / research / object_detection / utils / label_map_util.py", строка 152, в файле get_label_map_dict label_map = load_labelmap (label_map_path) file "models / research / object_detection_ utils / label_map.py ", строка 137, в load_labelmap label_map.ParseFromString (label_map_string) TypeError: требуется объект, похожий на байты, а не 'str'
Я не понимаю, в чем проблема.В записи?в файле label.pbtxt?или в конфигурационном файле?