🕵️♂️Tensorflow Object Detection API ile Obje Bulma
Tensorflow Object Detection API ile Obje Bulma ve kullanımı için gerekli talimatlarım
Last updated
Tensorflow Object Detection API ile Obje Bulma ve kullanımı için gerekli talimatlarım
Last updated
© 2024 ~ Yunus Emre Ak ~ yEmreAk
💥 Bu yazının güncel hali verimliliği artırma adına parçalara ayrılmıştır
👮♂️ Güncel hali 🕵️ Tensorflow Object Detection API alanında derlenmektedir
Tensorflow anaconda üzerinden daha sağlıklı, taşınabilir ve verimli çalışabilmekte
Anaconda'nın sanal ortamları, paketlerin çakışmasını engelleyecektir
Anaconda'nın Tensorflow'daki avantajı için buraya göz atabilirsin.
Video üzerinden açıklama için buraya bakabilirsin
Resmi açıklamalar models/research/object_detection/g3doc
dizinindedir.
Tensorflow modellerini kullanabilmek için alttaki kurulumlara da ihtiyaç olabilmekte:
Modül bulunamaması gibi durumlarda lxml
, protobuf
paketlerini yüklemeyi deneyebilirsin.
🐧 Linux için OpenCv Kurulumu
GTK ve FFMPEG hatasını engellemek için pip ile kurulum yapın
🍱 Script Dosyaları için Gerekli Modüller
LabelImg tensorflow modelleri için etiketleme amaçlı kullanılmaktadır
Derlenmiş sürümünü indirmek için buraya tıklayabilirsin
Derlenmiş sürümü çalışmazsa alttaki yönerge ile derleyebilirsin
İndirilen dosyayı %TENSORFLOW%\addons
dizinine atmanız daha verimli bir çalışma sağlayacaktır.
Tensorflow ortamının alt paketlerini etkilememsi için ek bir sanal ortamda kurulum sağlamalıyız.
Alttaki komut yardımıyla açık olan cmd ekranına ortam değişkeni tanımlayabilirsiniz.
<dizin_yolu>
Tensorflow'u kurmak istediğiniz dizin
Örn: "C:\Tensorflow"
İlerideki yapı için bu dizinin yolu %TENSORFLOW%
olarak ifade edilecektir.
Düzgün ve verimli çalışmak için buradaki yapıyı kullanmanız önerilir.
Özelleştirilmiş model eğitmek için alttakilerin yapılmış olması gerekmektedir:
Etiketleme işlemini labelImg üzerinden yapmaktayız.
👨💻 Derlenmiş LabelImg
İndirdiğiniz dizindeki labelimg.exe
dosyasını çalıştırmanız yeterlidir.
🐍 Python ile LabelImg
İşlemleri Anconda Prompt ile işlemler yapmalıyız.
👨🔧 Etiket Yollarını veya Adlarını Düzenleme
XML ve resim dosyalarını başka bir yolda oluşturduyasan alttaki script yardımıyla düzeltebilirsin
Script dosyasını buraya tıklayarak indirmeli ve gerekli dizine alttaki komutla koymalıyız
Komutları Anaconda Prompt üzerinden tensorflow ortamını aktif ederek uygulamayı unutmayın.
LabelImg kullanımı için bu videoya bakabilirsin.
Colab ücretsiz GPU sunduğu için çok hızlı bir eğitim imkanı sunar.
label_map.pbtxt
eval.record
train.record
*.config
model_main.py (eskisi: train.py)
export_inference_graph.py
Dizin | Açıklama |
---|---|
Dizin | Açıklama |
---|---|
Dosya | Açıklama |
---|---|
İsim | Tipi | Açıklama |
---|---|---|
Düzenlenecek Satır | Açıklama | Örnek |
---|---|---|
addons
LabelImg vs.
docs
Dökümanlar
models
Tensorflow Models dosyası
scripts
Kullanacağınız ortak kod parçaları
workspace
Çalışma Alanı
data
Eğitime katılacak verileri (eval.record, train.record, label_map) içeririr.
model
Eğitilecek modellerin dosyalarını içerir.
label_map.pbtxt
Etiket haritası dosyası
eval.record
Test için kullanılacak tensorflow kayıtları (TF record)
train.record
Eğitim için kullanılacak tensorflow kayıtları (TF record)
eval
Dizin
Test sonuçları burada tutulur.
train
Dizin
Eğitim çıktıları burada tutulur
.config
Dosya
Yapılandırma dosyası
num_classes
Etiket türü sayısı
2
batch_size
Toplu işleme boyutu
24
num_steps
Adım sayısı
2000
fine_tune_checkpoint
Eğitilmiş modelin yolu
"./pre_trained_model/model.ckpt"
label_map_path
Etiket haritası yolu
"./annotations/train.record"
input_path
Train dosyası yolu
"./annotations/train.record"
input_path
Test dosyası yolu
"./annotations/eval.record"