使用 slim 进行图像分类任务
注:图像格式转为 JPEG，图像名中不要带空格
第一部分:将图像转化为 TFRecord 文件
初始数据集的保存形式:
——slim_create_dataset
|——train_val_image
|——class1
|——images.jpg……
|——class2
|——……
|——classN
|——test_image
|——images.jpg……
|——train（空）
|——val（空）
1.在 slim_create_dataset 中运行 create_list_train_val.py 用于对 train_val_image 内的各个二级文件夹 class 中的
images.jpg 生成名称列表 list_train_val.txt
2.在 slim_create_dataset 中运行 separate_list_train_val.py 用于对 list_train_val.txt 进行划分为两个名称列表
list_train.txt 和 list_val.txt
3.在 slim_create_dataset 中运行 create_tfrecord.py 用于按照 list_train.txt 和 list_val.txt 对 train_val_image 中的
图像生成对应的头发 record 文件，存储在 train 和 val 文件夹中
4.在 slim_create_dataset 中运行 create_list_test.py 用于对 test_image 内的 images.jpg 生成名称列表 list_test.txt
第二部分:进行训练，验证和推断
参数说明：
train_dir：保存训练模型的目录
dataset_dir：保存数据集的目录（train or val）
labels_to_names_path：记录分类名文件 labels.txt 的路径
model_name：选用的 CNN 模型
checkpoint_path：在微调时，预训练模型的路径
checkpoint_exclude_scopes：预训练模型中不加载的层参数
trainable_scopes：可以训练的层参数
eval_dir：保存验证模型后生成的文件
test_list：测试图像的名称列表
test_dir：保存测试图像的目录
num_classes：类别数量
评论0