我在另一个论坛上被问过这个问题,但我想在这里发帖给那些遇到TFRecords问题的人。
如果TFRecord文件中的标签与labels.pbtxt文件中的标签不对齐,则TensorFlow的对象检测API会产生奇怪的行为。它会运行,损失可能会减少,但网络不会产生良好的检测。
另外,我总是在X-Y,row-col空间之间混淆,所以我总是喜欢仔细检查以确保我的注释实际上是注释图像的正确部分。
我发现这样做的最好方法是解码TFRecord并使用TF工具绘制它。以下是一些代码:
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
from object_detection.utils import visualization_utils as vu
from object_detection.protos import string_int_label_map_pb2 as pb
from object_detection.data_decoders.tf_example_decoder import TfExampleDecoder as TfDecoder
from google.protobuf import text_format
def main(tfrecords_filename, label_map=None):
if label_map is not None:
label_map_proto = pb.StringIntLabelMap()
with tf.gfile.GFile(label_map,'r') as f:
text_format.Merge(f.read(), label_map_proto)
class_dict = {}
for entry in label_map_proto.item:
class_dict[entry.id] = {'name':entry.display_name}
sess = tf.Session()
decoder = TfDecoder(label_map_proto_file=label_map, use_display_name=False)
sess.run(tf.tables_initializer())
for record in tf.python_io.tf_record_iterator(tfrecords_filename):
example = decoder.decode(record)
host_example = sess.run(example)
scores = np.ones(host_example['groundtruth_boxes'].shape[0])
vu.visualize_boxes_and_labels_on_image_array(
host_example['image'],
host_example['groundtruth_boxes'],
host_example['groundtruth_classes'],
scores,
class_dict,
max_boxes_to_draw=None,
use_normalized_coordinates=True)
plt.imshow(host_example['image'])
plt.show()
答案 0 :(得分:1)
感谢您提供代码@Steve!我在github存储库中到处都是,找不到找到tfrecord的方法。
只想指出一个导入行似乎丢失了:
from google.protobuf import text_format
添加完后对我来说还可以
答案 1 :(得分:0)
如果您想直观地检查边界框/标签,则可以检查以下TFRecord查看器:https://github.com/sulc/tfrecord-viewer