干脆面君，你给我站住！你已经被TensorFlow盯上了
大数据文摘作品，转载要求见文末
作者 | Dat Tran
编译 | 康璐、元元、宁云州
谁动了我最爱的干脆面？！
美好的周五，大数据文摘的办公室居然出现了一起偷窃事件。查看监控后，伟大的文摘菌很快用TensorFlow抓住了凶手，TA就是——一只蠢萌的小浣熊！
来，一起听文摘菌讲讲，这一简易浣熊识别器是如何实现的吧～
文摘菌的这个浣熊识别器到底长啥样呢？先给你看看最终效果～
小偷浣熊独白：文摘菌，我不是故意要吃你的干脆面的 ><
想知道这是如何实现的？在这篇文章中，我会详细说明制作这个浣熊识别器的所有步骤。
为什么要选择浣熊？？？
不为什么，就是可爱！！！
戳链接可观看视频：https://youtu.be/Bl-QY84hojs
建立数据集
让我们开始吧！我们需要做的第一件事是建立自己的数据集：
TensorFlow物体识别器API使用TFRecord文件格式，所以我们需要把最终数据集转化成这种文件格式。
有几种方法可以生成TFRecord文件。如果你的数据与PASCAL VOC数据集或者Oxford Pet数据集结构类似，可以利用现成的脚本（参考create_pascal_tf_record.py和create_pet_tf_record.py）。如果你的数据集不是上述的数据结构，你需要自己写一个脚本来生成TFRecords（官网上有此做法的解释）。我就是这么做的。
为了准备API的输入文件，你需要解决两个问题。第一，你需要用jpeg或者png编码的RGB的图片，第二，你需要一个图片的边界框(xmin, ymin, xmax, ymax)并标识物体类别。我的所有图片都只有一个类别，所有对我而言，这很简单。
我从Google Images和Pixabay爬取了200张浣熊的图片（主要是jpeg格式，也有个别是png格式），并且确保了图片在大小、姿势和光线方面有所区别。下面是我收集的一部分图片。
一部分浣熊图片
然后，我用LabelImg手动给图片打上了标签。LabelImg是一个用Python编写和用Qt做图形交互的图像标注工具。它可以支持Python2和3，但是我使用的是Python2和Qt4来从头编译，因为我用不了Python3和Qt5 。LabelImg非常好用，标注可以保存为PASCAL VOC格式的 XML文件。虽然我可以用create_pascal_tf_record.py脚本生成TFRecord文件，但我还是想自己编写脚本。
不知道为什么，在MAC OSX系统上LabelImg无法打开jpeg格式的图片，所以我不得不把他们转化成png格式然后再转化回jpeg格式。实际上，因为API也能支持png格式，我不需要再转化为jpeg格式，但是当时我还不知道这一点。下次我会直接使用png格式图片。
最终，在标识了这些图片后，我写了一个脚本把XML文件转化成csv格式并建立了TFRecord。我使用160张图片来训练（train.records），40张图片来测试（test.records）。
注意：
我发现另外一个很好用的标注工具叫做FIAT (Fast Image Data Annotation Tool)。以后我可能也会试试它。
ImageMagick可以在命令行上进行图片处理，例如图片格式转换。假如你从未使用过，这个软件值得一试。
通常来说，建立数据集是最费事的部分。我用了整整两个小时来分类和标注图片，这还是在我只需要分出一个类的前提下。
确保图片是中型号的（参考google图片来看什么是中型图片）。如果图片太大了，你又没有更改默认的批量大小设置，很可能会在训练时因内存不足而报错。
训练模型
在建立好符合要求的API输入文件后，就可以训练模型了。
在训练中，你需要下述部分：
一个物体识别训练管道。Tensorflow官网上提供配置文件示例。我在训练过程中使用ssd_mobilenet_v1_pets.config作为基础配置。我需要把num_classed参数调整为1，并且为模型检查点、训练和测试文件、标签映射设置路径（PATH_TO_BE_CONFIGURED）。对于其他的配置，比如学习率、样本量等等，我都使用默认设置。
注意：如果你的数据集多样性不足，如比例、姿态等没有太多变化，data_augmentation_option的设置值得选择。完整的选线清单可以在这里找到（参考PREPROCESSING_FUNCTION_MAP）。
数据集（TFRecord文件）和相对应的标签映射。建立标签映射的例子可以在下面看到，因为我只有一个类所以非常简单。
注意：所有id编号都要从1开始，这是很重要的。0是一个占位索引。
（可选）训练前的模型检查点。推荐使用检查点，因为从零开始训练模型可能需要几天才能得到好结果，所以最好能从之前训练过的模型开始。官网上提供了几个模型检查点。在我的识别器中，我根据ssd_mobilenet_v1_coco模型开始训练，因为模型训练速度对我来说比准确度更重要。
开始训练！
训练可以在本地或者在云端完成（AWS，Google云等等）。如果你家有GPU（至少大于2GB），那你可以在本地完成工作，否则我建议使用云端。我这次用的是Google云，基本上是按照说明文档一步步完成的。
对于Google云，你需要定义一个YAML配置文件。官网提供有样例文件，而且我基本上使用了默认配置。
我也建议在训练时就开始评估工作。这样可以监控整个流程，并且通过在本地运行TensorBoard来评估你的工作。
设置TensorBoard路径： tensorboard — logdir=gs://${YOUR_CLOUD_BUCKET}
下面是我的训练和评估工作结果。总体来说，我以批量大小24运行了一个小时，约22000步。在大概40分钟时我已经得到了很好的结果。
总误差的进展图
因为是从预训练模型开始训练的，总误差下降的很快。
因为我只有一个类，只需要看总体平均准确率就足够了。
平均准确率在20000步的时候就达到了0.8，这个结果很不错。
下面是在训练模型的过程中，一个图像评估的例子。
框住浣熊的探测框越来越准确。
导出模型
在训练完成之后，我把模型导出到一个文件中（Tensorflow graph proto），便于我用这个模型进行推论。
在我的课题中，我只能从Google云中把模型检查点拷贝到本地，然后用官网提供的脚本来导出模型。
我把训练后的模型用在了我在youtube找的视频上
看过这段视频后你会发现有一些浣熊被漏掉了，也有一些误判。这是合理的，因为我们只在一个小数据集上训练了模型。如果要建立一个通用且稳定的识别器，（比如你需要它能识别最有名浣熊——银河护卫队里面的火箭浣熊），我们需要的只是更多数据。这也是AI现在的局限性之一。
地球上最有名的浣熊
结论
在本文中，我只使用了一个类，因为我懒得标注更多数据。有很多公司比如CrowdFlower、 CrowdAI和Amazon’s Mechanical Turk均提供标注服务，但是本文还用不到这样的服务。
我用了很短的训练时间就得到了相当不错的结果，这也是由于识别器只需要训练一个类。对于多类别的情况，总平均准确率就不会这么高了，也需要更长的训练时间来获得好的结果。实际上，我也在Udacity提供的带标注的驾驶数据集上训练了识别器。训练一个能识别小汽车、卡车和行人的识别器花了很长时间。很多其他类似的案例中可能需要使用更复杂的模型。我们还要考虑在模型速度和模型准确度之间寻找平衡。
原文链接：https://medium.com/towards-data-science/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9
看完了文摘菌的教程，是不是也想亲手抓一只自己的小浣熊呢？如果你不满足只是抓一只干脆面君，那么可以跟我们一起来～～～