向AI转型的程序员都关注了这个号👇👇👇
机器学习AI算法工程 公众号：datayx
训练模型前的准备
A.数据准备
数据的标注仍然采用VOC格式的数据标注形式，如果是其他的标注形式比如COCO请自行实现相关代码。将数据最终转化为如下形式：
path_filename, x1, y1, x2, y2, class_name
格式说明
代码及运行教程，数据集 获取：
关注微信公众号 datayx 然后回复 安全帽 即可获取。
AI项目体验地址 https://loveai.tech
可以运行如下代码实现数据集的准备工作:
python3 ./data/data_pro.py将在./data文件夹下生成annotation.txt文件，这样训练数据的准备工作即完成。
B.配置文件准备
根据自己的训练集和训练任务修改./keras_frcnn/config.py的配置文件,相关参数的解释和配置如下：
训练模型
预训练模型的下载地址：https://github.com/fchollet/deep-learning-models
Shell下运行：
python3 train_frcnn.py --path="./data/annotation.txt" --network="vgg" --input_weight_path="./pre_train/vgg16_weights_tf_kernels_notop.h5"
windows下直接运行我们写好的批处理文件：
run_train.bat模型预测
将需要测试的图像和视频拷贝到./new_test文件夹
A.单张图像推断
Shell下运行：
python3 test_frcnn.py --path="./new_test"
windows下直接运行我们写好的批处理文件：
run_inference.bat
B.视频推断
Shell下运行：
python3 test_frcnn_video.py --path="./new_test/test_video.mp4"
windows下直接运行我们写好的批处理文件：
test_video.bat效果展示
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
机大数据技术与机器学习工程
搜索公众号添加： datanlp
长按图片，识别二维码
本文分享自微信公众号 - 机器学习AI算法工程（datayx）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
来源：oschina
链接：https://my.oschina.net/u/4585416/blog/4692921