Tensorflow 验证自己的目标检测与识别模型 （五）

Tensorflow 验证自己的目标检测与识别模型 （五）

关于模型训练见链接：https://blog.csdn.net/weixin_41644725/article/details/85700732
本章的主要内容主要叙述如何对模型进行验证。

1.保存模型生成frozen_inference_graph.pb

（1）将object_detection下的export_inference_graph.py文件拷贝到自己的项目中。

打开文件，对以下几处进行修改：
第一处：在113行处，如下代码块中的None进行修改，设置为所采用模型的.config配置文件，例如ssd_inception_v2_coco.config

flags.DEFINE_string('pipeline_config_path', None,
                        'Path to a pipeline_pb2.TrainEvalPipelineConfig config '
                        'file.')
例如   flags.DEFINE_string('pipeline_config_path', 'ssd_inception_v2_coco.config',
                'Path to a pipeline_pb2.TrainEvalPipelineConfig config '
                'file.')

第二处：在116行处将以下带代码进行修改，将None设置为存储训练模型的文件夹，即training_model

flags.DEFINE_string('trained_checkpoint_prefix','./training_model/model.ckpt-200000',
                    'Path to trained checkpoint, typically of the form '
                    'path/to/model.ckpt')

第三处：在119行处修改下面代码，将None设置为生成frozen_inference_graph.pb存在的文件夹

flags.DEFINE_string('output_directory', None, 'Path to write outputs.')

然后运行该export_inference_graph.py文件，结果如图所示：

2.验证模型

将object_detection/legacy/eval.py文件拷贝到自己的项目中，并打开文件，对以下几处进行修改。
第一处：在61行处，对以下代码进修改，设置 'checkpoint_dir’的路径，该路径即为生成frozen_inference_graph.pb的所在路径。

flags.DEFINE_string(
    'checkpoint_dir', '',
    'Directory containing checkpoints to evaluate, typically '
    'set to `train_dir` used in the training job.')
    
例如   flags.DEFINE_string(
				'checkpoint_dir', './data_set/'ssd_inception_v2_coco',
				 'Directory containing checkpoints to evaluate, typically '
				'set to `train_dir` used in the training job.')

第二处：在25行处，修改以下代码，配置保存验证模型的结果的文件夹，其中./eval_log/'ssd_inception_v2_coco为验证结果保存在文件夹下。

flags.DEFINE_string('eval_dir', './eval_log/ssd_inception_v2_coco',
                                 'Directory to write eval summaries to.')

第三处：在66行处，配置使用的.config文件，例如以下代码

flags.DEFINE_string(
    'pipeline_config_path', 'ssd_inception_v2_coco.config',
    'Path to a pipeline_pb2.TrainEvalPipelineConfig config '
    'file. If provided, other configs are ignored')

最后运行eval.py文件，结果如图所示：

该图像中展示了两个模型的验证结果。