用 TensorFlow 追踪千年隼号

简评：TensorFlow 是个机器学习的开源库。这篇文章中作者将用 TensorFlow 来训练识别自定义模型，并给出了详细的过程（星战迷 = =|| ）。

在写这篇博客时，许多大型技术公司（如 IBM，Google，Microsoft，Amazon）都有简单易用的视觉识别 API。一些小点的公司同样提供了类似的服务，比如 Clarifai。但它们都没有提供对象识别。

下面的图片都使用了相同的 Watson 视觉识别默认分类器标签。第一个已经通过对象识别模型处理过了。

对象识别可以远远超过视觉识别本身。但如果你想要对象识别，你就要亲自动手。

取决于你的用例，你或许不需要自定义对象识别模型。TensorFlow 的对象识别 API 提供了几种不同速度和精度的模型，它们基于 COCO 数据集。

为了让你方便，我放上了一个 COCO 模型可以识别的完整对象列表：

如果你想要识别一些标志或者不在上面这个表的东西，你需要构建自己的对象识别器。我想要可以识别千年隼号和一些钛战机。这显然是个极其重要的用例，因为你永远不知道……

给你的图片作注解

训练自己的模型要大量工夫。现在，你可能会想，“哇，哇，哇！我不想要费大量工夫！”如果是这样，你可以看看我的关于使用现有模型的其他文章。这是个更平滑的方向。

你需要收集大量的图片，并且写上注解。注解包括声明对象的坐标以及关联的标签。比如一张有两架钛战机的图片，注解看起来像这样；

<annotation>
    <folder>images</folder>
    <filename>image1.jpg</filename>
    <size>
        <width>1000</width>
        <height>563</height>
    </size>
    <segmented>0</segmented>
    <object>
        <name>Tie Fighter</name>
        <bndbox>
            <xmin>112</xmin>
            <ymin>281</ymin>
            <xmax>122</xmax>
            <ymax>291</ymax>
        </bndbox>
    </object>
    <object>
        <name>Tie Fighter</name>
        <bndbox>
            <xmin>87</xmin>
            <ymin>260</ymin>
            <xmax>95</xmax>
            <ymax>268</ymax>
        </bndbox>
    </object>
</annotation>

像我的星战模型，我收集了 308 张图片，每张图片有两到三个对象。我建议每个对象找 200-300 个例子。

“哇”，你可能想，“我要收集成百上千张图片，而且每张都要写上一堆 XML？”

当然不！有各种各样的注解工具，比如 labelImg 和 RectLabel。我使用 RectLabel，但它只支持 macOS。还要费很多工夫，相信我。我用了三到四个小时不间断的工作才把整个数据集注解完。

如果你有钱，你可以让别人来做，比如实习生。你可以用像 Mechanical Turk 这样的资源。如果你是个穷大学生像我这样的，或者，以单调的工作为乐子的人，你还得自己来。

当创造注解时，如果你不想写自己的转换脚本，确保它们导出为 PASCAL VOC 格式。这是我和许多其他人用的格式，你可以“偷”我上面的脚本（其实是从别人那偷的）。

在开始运行为 TensorFlow 准备数据的脚本之前，我们需要做一些设置。

从克隆我的仓库开始。

目录结构看起来是这样的：

models
|-- annotations
|   |-- label_map.pbtxt
|   |-- trainval.txt
|   `-- xmls
|       |-- 1.xml
|       |-- 2.xml
|       |-- 3.xml
|       `-- ...
|-- images
|   |-- 1.jpg
|   |-- 2.jpg
|   |-- 3.jpg
|   `-- ...
|-- object_detection
|   `-- ...
`-- ...

我加上了自己的训练数据，这样你就可以开箱即用。但如果你想要用自己的数据创造一个模型，你需要把你的训练图片放到 images 目录下，把 XML 注解放到 annotations/xmls 下，更新 trainval.txt 以及 label_map.pbtxt。

trainval.txt 是一个文件名列表，让我们可以找到以及关联 JPG 和 XML 文件。下面的 trainval.txt 列表可以让我们找到 abc.jpg, abc.xml, 123.jpg, 123.xml, xyz.jpg 和 xyz.xml:

abc
123
xyz

提示：确保去掉扩展名后，你的 JPG 和 XML 文件名匹配。

label_map.pbtxt 是我们尝试识别的对象列表。看起来像这样：

item {
  id: 1
  name: 'Millennium Falcon'
}
item {
  id: 2
  name: 'Tie Fighter'
}

首先，安装 Python 和 pip，安装脚本需求：

pip install -r requirements.txt

把 models 和 models／slim 添加到你的 PYTHONPATH：

export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

重要提示：如果不想每次打开终端都运行上面的命令，你需要把它添加到 ~/.bashrc 文件。

运行脚本：

python object_detection/create_tf_record.py

一旦脚本运行完成，你会得到 train.record 和 val.record 文件。这是我们用来训练模型要用的文件。

下载基础模型

从头开始训练对象识别器甚至使用多个 GPU 也要花好几天。为了加快训练速度，我们会采取一个通过不同的数据集训练过的对象识别器，并重用它的一些参数来初始化我们的新模型。

你可以从 model zoo 下载一个模型。每个模型都有不同的精确值和速度。我使用的是 faster_rcnn_resnet101_coco。

提取并把所有的 model.ckpt 文件移动到我们库的根目录。

你应该会看到一个 faster_rcnn_resnet101.config 文件。它和 faster_rcnn_resnet101_coco 模型一起工作。如果你使用其他模型，你可以从这里找到对应的配置文件。

运行下面的脚本，然后就能开始训练了！

python object_detection/train.py \
        --logtostderr \
        --train_dir=train \
        --pipeline_config_path=faster_rcnn_resnet101.config

提示：将 pipeline_config_path 替换成你的配置文件的本地路径

global step 1:
global step 2:
global step 3:
global step 4:
...

耶！开始训练了！

10 分钟后：

global step 41:
global step 42:
global step 43:
global step 44:
...

电脑开始抽烟：

global step 71:
global step 72:
global step 73:
global step 74:
...

这玩意儿要跑多久？

我在视频中使用的模型运行大概要运行 22,000 步。

等等，什么？！

我用的是 MacBook Pro，如果你运行的设备和我的差不多，我假设每一步你大约需要花 15 秒，那么得到一个像样的模型需要不间断的运行三到四天。

好吧，这太傻了。我没有这么多时间做这个?

PowerAI 来救场了！

PowerAI

PowerAI 让我们在 IBM Power System 中用 P100 GPUs 快速地训练我们的模型！

训练 10,000 步只需要大约一个小时。但是，这仅仅用了一个 GPU。PowerAI 中真正的力量来源于分布式地使用几百个 GPU 进行深度学习的能力，效率可以达到 95%。

有了 PowerAI 的帮助，IBM 创造了一项图片识别纪录：在 7 小时内识别准确率达到 33.8%。超过了之前 Microsoft 的纪录 —— 10 天 29.9 %的准确率。

超快快快！

因为我没有训练几百万张图片，我当然不需要这种资源。一个 GPU 够了。

创建 Nimbix 账户

Nimbix 给开发者提供了一个 10 小时免费体验 PowerAI 平台的体验账户。你可以在这里注册。

提示：这个过程不是自动的，审核通过要 24 小时。

一旦审核通过，你就会收到一个创建账户的确认邮件。它会要你提供促销代码，留空白就行了。

你现在可以在这里登录了。

部署 PowerAI 笔记本应用

从搜索 PowerAI Notebooks 开始：

点中它，然后选择 TensorFlow。

选择机器类型为：32 线程 POWER8，128G RAM， 1 * P100 GPU w/NVLink（np8g1）。

开始后，下面的工作台就会出现。当服务器状态变成运行时，服务器就准备好了。

点击 click to show 得到密码。然后点击 click here to connect 启动笔记本。

登录使用 nimbix 的账户和密码。

开始训练

通过点击 New 下拉菜单，选择 Terminal 打开一个新的终端。

你应该熟悉这个界面了：

提示：终端在 Safari 上可能有问题。

训练的步骤和我们在本地运行的时候相同。如果你使用我的训练数据，你可以克隆我的仓库：

git clone https://github.com/bourdakos1/Custom-Object-Detection.git

然后去到这个目录：

cd Custom-Object-Detection

运行下面的片段，下载 faster_rcnn_resnet101_coco 模型：

wget http://storage.googleapis.com/download.tensorflow.org/models/object_detection/faster_rcnn_resnet101_coco_11_06_2017.tar.gz
tar -xvf faster_rcnn_resnet101_coco_11_06_2017.tar.gz
mv faster_rcnn_resnet101_coco_11_06_2017/model.ckpt.* .

然后，我们需要再次更新 PYTHONPATH，因为使用了新的终端：

export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

最后在运行下面的命令开始训练：

python object_detection/train.py \
        --logtostderr \
        --train_dir=train \
        --pipeline_config_path=faster_rcnn_resnet101.config

下载你的模型

什么时候我的模型才能弄好？这取决于你的训练数据。越多数据，你需要越多步数。我的模型在接近 4500 步时趋于稳定。在 20,000 步时达到顶峰。我甚至让它训练到了 200,000 步，但是没有任何增加。

我建议在每 5000 步左右下载你的模型，评估一下它，要确保你在正确的道路上。

点击左上角的 Jupyter 标志，然后，去到 Custom-Object-Detection/train。

下载所有的带有最大数字的 model.ckpt 文件。

• model.ckpt-STEP_NUMBER.data-00000-of-00001
• model.ckpt-STEP_NUMBER.index
• model.ckpt-STEP_NUMBER.meta

提示： 你一次只能下载一个。

提示：确保在完成后点击红色电源按钮，否则计时将不会停止。

导出推理图

想要在我们的代码中使用模型，我们需要把检查点文件（model.ckpt-STEP_NUMBER.*）转换成冻结推理图。

把刚刚下载的检查点文件移动到之前我们使用的库的根目录。

然后运行命令：

python object_detection/export_inference_graph.py \
        --input_type image_tensor \
        --pipeline_config_path faster_rcnn_resnet101.config \
        --trained_checkpoint_prefix model.ckpt-STEP_NUMBER \
        --output_directory output_inference_graph

记得 export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

你应该会看到一个新的 output_inference_graph 目录，里面有一个 frozen_inference_graph.pb 文件，这是我们要用的。

测试模型

现在，运行下面的命令：

python object_detection/object_detection_runner.py

它会找到 output_inference_graph/frozen_inference_graph.pb 文件，用你的对象识别模型去识别 test_images 目录下的所有图片，然后把结果输出到 output/test_images 目录。

以下是我们在“星球大战：原力觉醒”这个片段中的所有帧上运行模型时得到的结果。

原文链接：Tracking the Millennium Falcon with TensorFlow

推荐阅读：

• 最近 2 个月中我是如何开始学习 AI 的

极光日报，极光开发者旗下媒体。

每天导读三篇英文技术文章。