Windows10 使用 Tensorflow Object_detection API 訓練自己的資料
關於使用 Tensorflow Object_detection API 在 Windows10下的訓練比Ubuntu下麻煩許多，問題在於編譯安裝；還有兩個平臺都不可避免的問題，路徑問題和模型選擇問題，在這裡記錄一下解決過程，希望能對需要的人提供幫助。關於Windows10下的配置這裡不再贅述，我的前一篇部落格已經寫過。地址：
https://blog.csdn.net/weixin_39653948/article/details/82634092
訓練過程（訓練目標檢測模型）
1. 資料集構建
採用VOC資料集格式，使用labelImg圖片標註工具標註，下載地址：
https://tzutalin.github.io/labelImg/
windows下直接下載壓縮包即可，解壓完成之後是打包好的exe程式，無需再配置pyqt等，非常便捷。
相關文章
- 使用自己的資料集訓練MobileNet、ResNet實現影象分類（TensorFlow）
- 訓練自己的Android TensorFlow神經網路Android神經網路
- 使用TensorFlow slim資料夾當中的inception_resnet_v2網路訓練自己的分類資料集
- yolov3訓練自己資料教程YOLO
- Mxnet R FCN 訓練自己的資料集
- Caffe下自己的資料訓練和測試
- 用SSD-Pytorch訓練自己的資料集PyTorch
- Mxnet-R-FCN-訓練自己的資料集
- MXNet的資料格式轉化為tensorflow訓練用的資料格式
- Caffe-SSD-Ubuntu16-04-訓練自己的資料集Ubuntu
- keras-retinanet 用自己的資料集訓練KerasNaN
- Caffe SSD Ubuntu16 04 訓練自己的資料集Ubuntu
- 谷歌colab訓練自己的資料集YOLOv3谷歌YOLO
- 用PyTorch版本R-FCN訓練自己的資料PyTorch
- TensorFlow2.0教程-使用keras訓練模型Keras模型
- tensorflow2.0在訓練資料集的時候，fit和fit_generator的使用
- 使用Tensorflow Object Detection進行訓練和推理Object
- [翻譯] 使用 TensorFlow 進行分散式訓練分散式
- TensorFlow on Android：訓練模型Android模型
- 全網最細 | 教你如何在 docker 容器下使用 mmdetection 訓練自己的資料集Docker
- Yolov3程式碼分析與訓練自己資料集YOLO
- YOLOv4 win10 配置 + 訓練自己的資料 + 測試YOLOWin10
- 資料集訓練
- 搭建 MobileNet-SSD 開發環境並使用 VOC 資料集訓練 TensorFlow 模型開發環境模型
- 使用PaddleFluid和TensorFlow訓練序列標註模型UI模型
- Caffe 訓練mnist資料
- 資料集訓練+1
- 資料模型需要多少訓練資料？模型
- DeepLab 使用 Cityscapes 資料集訓練模型模型
- 從零開始帶你一步一步使用 YOLOv3 訓練自己的資料YOLO
- Win10 tensorflow object_detection api 安裝中 無法顯示影象的問題解決Win10ObjectAPI
- nnUNet使用指南（一）：Ubuntu系統下使用nnUNet對自己的多模態MR資料集訓練Ubuntu
- fashion資料集訓練
- 使用 TensorBoard 視覺化模型、資料和訓練ORB視覺化模型
- 深度學習tensorflow實戰筆記（1）全連線神經網路（FCN）訓練自己的資料（從txt檔案中讀取）深度學習筆記神經網路
- TensorFlow 呼叫預訓練好的模型—— Python 實現模型Python
- OpenCV訓練自己的衣服探測分類器OpenCV
- 訓練機器學習的資料集大小很重要 - svpino機器學習