[Deep learning - Obeject Detection] TensorFlow Object Detection API(3) - 모델 빌드

1. Pre-Trained Model 다운로드

• 다운로드 링크 : Download
• TensorFlow/workspace/training_demo/pre-trained-models에 압축해제
• 압축해제시 폴더 구조

2. Training pipeline 파일 생성

• Tensorflow/workspace/training_demo/models에 폴더 이름을 지정(사용자정의)하여 생성
• 생성한 폴더에 pre-trained model의 pipeline.config 파일 저장
• 폴더 구조 예시

3. pipeline.config 파일 조정

• Model이 가지는 classes 수 설정(즉, 모델이 분류할 수 있는 클래스 수)

• Train batch_size 조정(그래픽 카드 성능에 맞게 조정)

• Pre-trained model checkpoint 경로 지정

• 학습 목적 및 TPU 설정

• 학습 데이터의 label map, record 파일 경로 지정

• 모델 평가 metrics 지정

• 모델 평가 데이터 label map, record 경로 지정

4. 학습

• Model training script 가져오기

# 1. 파일 복사
TensorFlow/models/research/object_detection/model_main_tf2.py
=>
TensorFlow/workspace/training_demo 폴더에 copy

# 2. 경로 이동
TensorFlow/workspace/training_demo 경로로 이동

# 3. 학습 파일 실행
python model_main_tf2.py --model_dir=[MODEL_FOLDER] --pipeline_config_path=[CONFIG_FILE_PATH] 실행

 

5. 평가

• 평가에 이용할 checkpoint 생성

# 1. 경로 이동
TensorFlow/workspace/training_demo 경로로 이동

# 2. 파일 실행
python model_main_tf2.py --model_dir=[MODEL_FOLDER] --pipeline_config_path=[MODEL_CONFIG_PATH] --checkpoint_dir=[SAVE_CKPT_PATH]

 

6. 모델 학습 결과 모니터링

# 1. 경로 이동
TensorFlow/workspace/training_demo 경로로 이동

# 2. 텐서보드 실행
tensorboard --logdir=[EVAL_CKPT_PATH]

 

---

참고

[1] https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/training.html

Training Custom Object Detector — TensorFlow 2 Object Detection API tutorial documentation