我的自定义 mobilenet 训练模型未显示任何结果。我究竟做错了什么？

Question

我开始使用 Tensorflow/Deeplab 学习机器学习。我尝试使用带有 mobilenet_v2 模型变体的语义分割从头开始训练我自己的衣服识别模型。但我没有得到结果。

我正在使用tensorflow/models 进行 tfrecord 导出和培训。以及deeplab/example 用于可视化和测试目的的代码（在本地重命名为 main.py），我修改了一些行，以便获得本地模型和测试图像。

我将展示我遵循的过程：

1. 下载 100 张 JPEG 图片（我知道不是很大，但我想我可以试试这个数量）。仅适用于 1 类 -> 衬衫
2. 为每个图像创建分割类 PNG。
3. 创建文件图像集定义为：train（85 个文件名）、trainval（100 个文件名）和 val（15 个文件名）。
   所以我的“pascal dataset”目录有：ImageSets、JPEGImages 和 SegmentationClassPNG 文件夹。

4. 像这样将“pascal dataset”目录导出到 tfrecord（我在“models-master/research/deeplab/datasets”文件夹中）：

   py build_voc2012_data.py --image_folder="pasc_imgs/JPEGImages" --semantic_segmentation_folder="pasc_imgs/SegmentationClassPNG" --list_folder="pasc_imgs/ImageSets" --image_format="jpg" --output_dir="train/tfrecord" 
   

   • 这很好用，它会在“train/tfrecord”上生成 *.tfrecord 文件

5. 我像这样编辑了“models-master/research/deeplab/data_generator.py”：{'train': 85, 'trainval': 100, 'val': 15}, num_classes=2。

6. 现在是时候开始训练了（我在“models-master/research/deeplab”上）。我用了10000步，为什么？我用 30000 证明了大约 30 个小时没有结果，所以我用新的参数来减少它。我想 10000 步可以告诉我一些东西：

   py train.py --logtostderr  --training_number_of_steps=10000 --train_split="train" --model_variant="mobilenet_v2" --output_stride=16 --decoder_output_stride=4 --train_batch_size=1 --dataset="pascal_voc_seg"  --train_logdir="datasets/train/deeplab_model_mn" --dataset_dir="datasets/train/tfrecord"
   

   • 这一步需要将近 8 个小时（有一个很小的 ​​GPU，所以.. 不能使用它），它会生成检查点、graph.pbtxt 和 model.ckpt-XXX（包括 10000 个）文件。
7. 我用（我在“models-master/research/deeplab”）这个命令行导出了之前的结果：

   py export_model.py --checkpoint_path=datasets/train/deeplab_model_mn/model.ckpt-10000 --export_path=datasets/train/deeplab_inference_mn/frozen_inference_graph.pb --model_variant="mobilenet_v2" --output_stride=16 --num_classes=2
   

   • 它会创建冻结图 (frozen_inference_graph.pb)。
8. 现在运行：py main.py（证明图像和frozen_inference_graph.pb 已经导入）
9. 我的自定义模型没有结果。最后一个脚本适用于预先训练的 mobilenetv2_coco_voc_trainaug。不适用于我的自定义模型

data_generator.py（已编辑的行）：

_PASCAL_VOC_SEG_INFORMATION = DatasetDescriptor(
    splits_to_sizes={
        'train': 85,
        'trainval': 100,
        'val': 15,
    },
    num_classes=2,# 0:background, 1:shirt
    ignore_label=255,
)

我用于训练的图像示例 (1/100)（我使用了 labelMe 实用程序）：
shirt_001.jpg
shirt_001.png

mobilenetv2_coco_voc_trainaug（作为一个人的衬衫，没关系）和我的自定义模型的 main.py 结果：
mobilenetv2_coco_voc_trainaug result
my custom model result

如您所见，我的模型失败了。我一直在测试许多组合但没有成功。 我该怎么办？谢谢！

Answer 1

好的，我遇到了同样的问题，经过多次尝试，我做到了。 首先，您应该制作正确的口罩。如果你使用一个类，你应该用索引颜色映射创建遮罩，所有像素都应该是 0 或 1，0 - 背景，1 - 遮罩（有 255索引颜色图中的颜色）。 其次，您需要更大的数据集。我尝试使用包含约 200 张图像的数据集进行训练，即使在 checkpoint-30k 上也没有得到任何结果（即使使用正确的数据集）。但是当我尝试使用包含 450 张图像的数据集进行训练时，我只得到了大约 9000 个 epoch 的一些结果。在~18000 epoch 之后没有任何改善，但结果是合理的（尽管远非理想）。然后我在训练一个有 1100 张图像的模型，但结果是一样的。