Tensorflow object detection 训练并使用自己的模型

1.使用 LabelImg 这款小软件，将训练测试图片进行人工标，标注完成后保存为同名的xml文件。

2.对于Tensorflow，需要输入专门的 TFRecords Format 格式。调用写好的xml_to_csv.py将xml文件转换为csv文件，第二步从.csv表格中创建TFRecords格调用generate_tfrecord.py，将csv文件转换为record文件。
对于训练集与测试集分别运行上述代码即可，得到train.record与test.record文件。

3.将ssd_mobilenet_v1_coco.config 放在training 文件夹下，记事本打开，改下述代码：

（1）、搜索其中的 PATH_TO_BE_CONFIGURED ，将对应的路径改为自己的路径，注意不要把test跟train弄反了；

（2）、将 num_classes 按照实际情况更改

（3）、batch_size 原本是24，我在运行的时候出现显存不足的问题，故改为1。

4.开始训练。

切换到object_detection目录，输入：python model_main.py \ --pipeline_config_path=training/ssd_mobilenet_v1_coco.config --model_dir=object_detection/training \ --num_train_steps=50000 --num_eval_steps=2000 \ --alsologtostderr

训练时出现错误：InvalidArgumentError: Unsuccessful TensorSliceReader constructor: Failed to get matching files on PATH_TO_BE_CONFIGURED/model.ckpt: Not found: FindFirstFile failed for: PATH_TO_BE_CONFIGURED : ϵͳ\udcd5Ҳ\udcbb\udcb5\udcbdָ\udcb6\udca8\udcb5\udcc4·\udcbe\udcb6\udca1\udca3
; No such process
解决方法：将ssd_mobilenet_v1_coco.config中的两行删除

解决上述问题重新开始训练