python - 重新训练 MobileNet SSD V1 COCO 后，Tensorflow 的 pb 和 pbtxt 文件不适用于 OpenCV-6ren

python - 重新训练 MobileNet SSD V1 COCO 后，Tensorflow 的 pb 和 pbtxt 文件不适用于 OpenCV

转载作者：太空宇宙更新时间：2023-11-03 22:07:34

我关注了this按照说明使用 Tensorflow GPU 重新训练 MobileNet SSD V1 的教程，使用 GPU 训练后损失为 0.5 (下面有更多关于配置的信息) 并获得了 model.ckpt。

这是我用于训练的命令:

python ../models/research/object_detection/legacy/train.py --logtostderr --train_dir=./data/--pipeline_config_path=./ssd_mobilenet_v1_pets.config

这是卡住命令(生成pb文件):

python ../models/research/object_detection/export_inference_graph.py --input_type image_tensor --pipeline_config_path ./ssd_mobilenet_v1_pets.config --trained_checkpoint_prefix ./data/model.ckpt-1407 --output_directory ./data/

这是我在使用卡住 pb 和 pbtxt 时遇到的错误:

Traceback (most recent call last):
File "Object_detection_image.py", line 29, in <module>
    cvOut = cvNet.forward()
cv2.error: OpenCV(3.4.3) C:\projects\opencv-python\opencv\modules\dnn\src\dnn.cpp:565: error: (-215:Assertion failed) inputs.size() == requiredOutputs in function 'cv::dnn::experimental_dnn_34_v7::DataLayer::getMemoryShapes'

这是我使用的 Object_detection_image.py 文件:

import cv2 as cv
import os 
import time 
import logging

logger = logging.getLogger()
fh = logging.FileHandler('xyz.log')
fh.setLevel(logging.DEBUG)    
logger.addHandler(fh)

cvNet = cv.dnn.readNetFromTensorflow('frozen_inference_graph.pb', 'object_detection.pbtxt')
dir_x  = "C:\\Users\\Omen\\Desktop\\LP_dataset\\anno"
for filename in os.listdir(dir_x):
    print(filename)
    if not (filename.endswith(".png") or filename.endswith(".jpg")):
        continue
    print('daz')
    img = cv.imread(os.path.join(dir_x,filename))
    img = cv.resize(img, (300,300))
    #cv.imshow('i',img)
    #cv.waitKey(0)
    img = cv.cvtColor(img,cv.COLOR_BGR2GRAY)
    img = cv.cvtColor(img,cv.COLOR_GRAY2RGB)
    rows = img.shape[0]
    cols = img.shape[1]
    #cvNet.setInput(cv.dnn.blobFromImage(img, size=(cols,rows), swapRB=True, crop=False))
    cvNet.setInput(cv.dnn.blobFromImage(img, size=(300, 300), crop=False))
    t0  = time.time()
    cvOut = cvNet.forward()
    print(time.time() - t0)
    for detection in cvOut[0,0,:,:]:
        score = float(detection[2])
        #print(score)
        if score > 0.80:
            left = detection[3] * cols
            top = detection[4] * rows
            right = detection[5] * cols
            bottom = detection[6] * rows
            cv.rectangle(img, (int(left), int(top)), (int(right), int(bottom)), (23, 230, 210), thickness=2)

    cv.imshow('img', img)
    cv.waitKey(0)

这是 pbtxt 文件 (我也尝试了导出的 pbtxt 和从 pb 生成的 pbtxt 但没有工作):

item {
  id: 1
  name: 'licenseplate'
}

配置:

您正在使用的模型的顶级目录是什么:object_detetion

我是否编写了自定义代码:否

操作系统平台和发行版:win10

TensorFlow 安装自:二进制

TensorFlow GPU 版本:1.13.0

CUDA/cuDNN 版本:10

显卡型号:1050 GTX

我可以提供你要求的任何文件，请帮助我。 在 tensorflow 的 github 中，他们告诉我在 Stackoverflow 中提问...

更新:

感谢解答，问题解决了，这里是cvOut的内容:

  [[[[-0.00476191 -0.00361736  0.          0.25361738 -0.07576995
     0.03405379  0.40910327]
   [ 0.21594621  0.04544836  0.          0.28788495  0.30689242
    -0.13025634  0.05074273]
   [ 0.46358964  0.19925728  0.         -0.09778295  0.26563603
     0.34778297 -0.02014329]
   [-0.01515752  0.3534766   0.          0.32857144 -0.00361736
     0.67142856  0.25361738]
   [ 0.25756338  0.03405379  0.          0.21594621  0.3787817
    -0.05689242  0.6212183 ]
   [ 0.30689242  0.203077    0.          0.796923    0.19925728
     0.40103063 -0.09778295]
   [ 0.5989694   0.34778297  0.         -0.01515752  0.68680996
     0.26515752  0.66190475]
   [-0.00361736  1.0047619   0.          0.59089667  0.03405379
     1.0757699   0.21594621]
   [ 0.712115   -0.05689242  0.          0.30689242  0.53641033
     0.05074273  1.1302563 ]
   [ 0.19925728  0.7343639   0.          0.93230265  0.34778297
     0.64652336 -0.01515752]
   [ 1.0201433   0.26515752  0.          0.24638264  0.33809522
     0.50361735 -0.07576995]
   [ 0.2840538   0.40910327  0.          0.04544836  0.19310758
     0.28788495  0.5568924 ]
   [-0.13025634  0.30074272  0.          0.44925728  0.06769729
     0.15221705  0.26563603]
   [ 0.59778297 -0.02014329  0.          0.3534766   0.5151575
     0.32857144  0.24638264]
   [ 0.67142856  0.50361735  0.          0.2840538   0.7424366
     0.4659462   0.3787817 ]
   [ 0.19310758  0.6212183   0.          0.203077    0.30074272
     0.796923    0.44925728]
   [ 0.40103063  0.15221705  0.          0.59778297  0.31319004
     0.23484248  0.68680996]
   [ 0.5151575   0.66190475  0.          1.0047619   0.50361735
     0.59089667  0.2840538 ]
   [ 1.0757699   0.4659462   0.          0.19310758  0.95455164
     0.5568924   0.53641033]
   [ 0.30074272  1.1302563   0.          0.7343639   0.15221705
     0.93230265  0.59778297]
   [ 0.64652336  0.23484248  0.          0.5151575  -0.00476191
     0.49638262  0.33809522]
   [ 0.75361735 -0.07576995  0.          0.40910327  0.7159462
     0.04544836  0.44310758]
   [ 0.28788495  0.8068924   0.          0.55074275  0.46358964
     0.69925725  0.06769729]
   [ 0.40221703  0.26563603  0.         -0.02014329  0.48484248
     0.3534766   0.7651575 ]
   [ 0.32857144  0.49638262  0.          0.75361735  0.25756338
     0.5340538   0.7424366 ]
   [ 0.7159462   0.3787817   0.          0.6212183   0.8068924
     0.203077    0.55074275]
   [ 0.796923    0.69925725  0.          0.40221703  0.5989694
     0.84778297  0.31319004]
   [ 0.48484248  0.68680996  0.          0.66190475  0.49638262
     1.0047619   0.75361735]
   [ 0.59089667  0.5340538   0.          0.7159462   0.712115
     0.44310758  0.95455164]
   [ 0.8068924   0.53641033  0.          1.1302563   0.69925725
     0.7343639   0.40221703]
   [ 0.93230265  0.84778297  0.          0.48484248  1.0201433
     0.7651575  -0.00476191]
   [ 0.74638265  0.33809522  0.         -0.07576995  0.7840538
     0.40910327  0.9659462 ]
   [ 0.04544836  0.6931076   0.          1.0568924  -0.13025634
     0.80074275  0.46358964]
   [ 0.94925725  0.06769729  0.          0.26563603  1.0977829
    -0.02014329  0.7348425 ]
   [ 0.3534766   1.0151576   0.          0.74638265  0.67142856
     1.0036174   0.25756338]
   [ 0.7840538   0.7424366   0.          0.3787817   0.6931076
     0.6212183   1.0568924 ]
   [ 0.203077    0.80074275  0.          0.94925725  0.40103063
     0.65221703  0.5989694 ]
   [ 1.0977829   0.31319004  0.          0.68680996  1.0151576
     0.66190475  0.74638265]
   [ 1.0047619   1.0036174   0.          0.7840538   1.0757699
     0.9659462   0.712115  ]
   [ 0.6931076   0.95455164  0.          0.53641033  0.80074275
     1.1302563   0.94925725]
   [ 0.7343639   0.65221703  0.          1.0977829   0.64652336
     0.7348425   1.0201433 ]
   [ 1.0151576   0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.1         0.2
     0.2         0.1       ]
   [ 0.1         0.2         0.          0.1         0.1
     0.2         0.2       ]
   [ 0.1         0.1         0.          0.2         0.1
     0.1         0.2       ]
   [ 0.2         0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.1         0.2
     0.2         0.1       ]
   [ 0.1         0.2         0.          0.1         0.1
     0.2         0.2       ]
   [ 0.1         0.1         0.          0.2         0.1
     0.1         0.2       ]
   [ 0.2         0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.1         0.2
     0.2         0.1       ]
   [ 0.1         0.2         0.          0.1         0.1
     0.2         0.2       ]
   [ 0.1         0.1         0.          0.2         0.1
     0.1         0.2       ]
   [ 0.2         0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.1         0.2
     0.2         0.1       ]
   [ 0.1         0.2         0.          0.1         0.1
     0.2         0.2       ]
   [ 0.1         0.1         0.          0.2         0.1
     0.1         0.2       ]
   [ 0.2         0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.1         0.2
     0.2         0.1       ]
   [ 0.1         0.2         0.          0.1         0.1
     0.2         0.2       ]
   [ 0.1         0.1         0.          0.2         0.1
     0.1         0.2       ]
   [ 0.2         0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.1         0.2
     0.2         0.1       ]
   [ 0.1         0.2         0.          0.1         0.1
     0.2         0.2       ]
   [ 0.1         0.1         0.          0.2         0.1
     0.1         0.2       ]
   [ 0.2         0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.1         0.2
     0.2         0.1       ]
   [ 0.1         0.2         0.          0.1         0.1
     0.2         0.2       ]
   [ 0.1         0.1         0.          0.2         0.1
     0.1         0.2       ]
   [ 0.2         0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.1         0.2
     0.2         0.1       ]
   [ 0.1         0.2         0.          0.1         0.1
     0.2         0.2       ]
   [ 0.1         0.1         0.          0.2         0.1
     0.1         0.2       ]
   [ 0.2         0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.1         0.2
     0.2         0.1       ]
   [ 0.1         0.2         0.          0.1         0.1
     0.2         0.2       ]
   [ 0.1         0.1         0.          0.2         0.1
     0.1         0.2       ]
   [ 0.2         0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.1         0.2
     0.2         0.1       ]
   [ 0.1         0.2         0.          0.1         0.1
     0.2         0.2       ]
   [ 0.1         0.1         0.          0.2         0.1
     0.1         0.2       ]
   [ 0.2         0.1         0.          0.2         0.2
     0.1         0.1       ]
   [ 0.2         0.2         0.          0.8479438   0.67317617
     0.5581815   0.1778345 ]
   [-0.9215721   1.5896183   0.          0.6099795   0.5955366
    -0.46569395 -0.8461083 ]
   [ 1.6129647   1.4244858   0.          0.5209342   0.17585325
    -0.8687666   1.7872683 ]
   [ 1.3389692   0.8533131   0.         -0.00590521 -0.7195761
     1.6236191   1.1828533 ]
   [ 1.1838211   0.6728102   0.         -0.785988    1.2751837
     1.1616383   0.933811  ]
   [ 0.4684658   0.2719049   0.          1.2093123   0.66612804
     0.66964823  0.55971766]
   [ 0.17104894 -1.0688283   0.          0.6494252   0.6844874
     0.66586125  0.01329695]
   [-1.2607187  -0.22749203  0.         -0.8741171  -0.9443728
    -0.9659323  -0.03422031]
   [-0.0364061   0.54829746  0.          0.6263525   0.66758543
     0.04167109 -0.11780822]
   [ 0.48400337  0.4685324   0.         -0.04594427  0.02469592
    -0.3487326   0.08831279]
   [ 0.4161314   0.23332608  0.         -0.13553022 -0.31008872
     0.04969648  0.5674252 ]
   [ 0.36492363 -0.07475745  0.         -0.03859219  0.2016789
    -0.39845943 -0.07058203]
   [-0.08173721  0.1720942   0.          0.02323131  0.07122216
     0.07469177  0.12792486]
   [-0.24689877  0.196296    0.          0.5564647   0.535513
     0.22528338 -0.37152448]
   [-1.7235181  -1.8204601   0.         -1.5040898  -1.8099409
    -1.8550183  -1.1855855 ]
   [-1.6341007  -1.3448519   0.         -1.6656716  -1.6564709
    -1.2735447  -1.3357594 ]
   [-1.2829769  -1.2869868   0.         -1.6657944  -1.4066424
    -1.4230443  -1.4196167 ]
   [-1.3691044  -1.656098    0.         -1.4339573  -1.5685135
    -1.633306   -1.4437945 ]]]]

最佳答案

错误是由于错误的输入 .pbtxt 文件传递给函数 readNetFromTensorflow 因为 .pbtxt 必须由 tf_text_graph_ssd.py 生成如 here 所述:

运行此脚本以从 TensorFlow Object Detection API 获取 SSD 模型的文本图。然后将其与 .pb 文件一起传递给 cv::dnn::readNetFromTensorflow 函数。

对于faster r-cnn、mask r-cnn等其他型号，也有对应的脚本。

PS: 刚刚发现有一个很好的官方教程here.

关于python - 重新训练 MobileNet SSD V1 COCO 后，Tensorflow 的 pb 和 pbtxt 文件不适用于 OpenCV，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55158339/

文章推荐： python-3.x - 函数 'contourArea' 中的 OpenCV(4.0.0) 断言失败

文章推荐： node.js - 套接字io，node.js

文章推荐： node.js - 这个简单的 Node.js 代理为什么以及如何工作？

文章推荐： python - OpenCV 在 video.read 上返回一个全零数组

ios - 将 Cocos 3.0 类导入 Cocos 2.X 项目的问题
我在将 OALSimpleAudio 导入我的 Cocos 2.X 项目时遇到了很多麻烦。该应用程序相当大。我将 Cocos 3.0 导入现有项目的最佳方式是什么？最终错误如下所示: 这是我到目
Tensorflow/models 使用 COCO 90 类 ID 虽然 COCO 只有 80 个类别
Tensorflows object_detection 项目的 labelmaps 包含 90 个类，虽然 COCO 只有 80 个类别。因此参数num_classes在所有示例配置中设置为 90
ios - cocos run和XCode构建之间有什么区别？
我正在使用Cocos2d-x v3.9，并且在iOS模拟器中看到某些行为，该行为仅在执行命令cocos run -p mac时出现。如果我通过XCode构建项目，则不会看到相同的行为。 Cocos和X
javascript - cocos creator的自定义html按钮
我正在使用 Cocos creator 创建一个仅适用于网络浏览器的简单游戏，并且需要实现一个分享到 twiiter 按钮。但我需要用普通的 javascript 来做到这一点。到目前为止，我有这段代
c++ - cocos studio中setDesignResolutionSize有什么用？
在我的 appDelegate 类中，我有类似这样的代码， while using cocos studio auto glview = director->getOpenGLView();
multithreading - Cocos，如何从后台线程渲染到CCRenderTexture
我有一个渲染循环，我想在后台运行，以便我可以控制播放循环的速度，使其动画缓慢或快速。现在，每次我想使用 Sprite 时，我都会使用 sleep 并在主线程中的 CCRenderTexture 上调用
c++ - COCOS 2dx无法获取touches？
下面是我的 HelloWorld.h 类: class HelloWorld : public cocos2d::CCLayer { public: HelloWorld(); // Here's a
ios - Cocos 2d画线不起作用
我想在 cocos 2d 中用手指触摸画线。 -(void) ccTouchesMoved:(NSSet *)inappropriateTouches withEvent:(UIEvent *)eve
LiquidFun 和 cocos creator
我是 cocos creator 和 JavaScript 编程的新手，最近 cocos creator 在其引擎中添加了“集成 Box2D 物理引擎”。我想知道我是否可以使用 ' liquidFun
python - 如何过滤自定义数据集的 COCO 数据集类和注释？
我能够使用下面的代码和 COCO API 过滤图像，我为我需要的所有类多次执行此代码，这是类别 person 的示例，我这样做了用于 car 等我现在要做的，是过滤数据集(instances_tra
deep-learning - Coco 数据集中的类
我一直在检查这个detr repository类别总数为 100，但其中 10 个是空字符串，如图所示 here . 这背后有什么特别的原因吗？最佳答案基本上，COCO 数据集在其发布之前已在一篇
python - 比 COCO 具有更多类的预训练对象检测模型
对于一个项目，我需要一个可以检测许多不同物体的检测器。为此，COCO 的 90 个类是不够的，因为我希望能够看到更多。例如，我已经看到 imagenet 有更多的类，但是我找不到训练来检测 imag
iphone - 如何检查设备是否有互联网连接: cocos-2d
在我的一个 iPhone 应用程序中，我需要查明该设备是否有互联网连接。有人帮忙吗？最佳答案使用可达性类。 if([self checkInternetConnected] ) {
delphi - Coco/R 可以将解析后的文件转换为字节码吗？
我想用 Delphi 编写一个简单的编译器用于教育目的。我读过 Coco/R 并发现了 Delphi 的这个实现:http://code.google.com/p/dcocor/ 。据我所知，这是 D
tensorflow - 如何在 COCO 数据集上加载预训练模型进行图像分割？
关闭。这个问题需要更多 focused .它目前不接受答案。想要改进这个问题吗？更新问题，使其只关注一个问题 editing this post . 关闭 4 年前。 Improve this q
docker - 无法在 COCO 注释器中创建数据集和加载图像
我正在尝试使用 https://github.com/jsbroks/coco-annotator 用 COCO 关键点注释图像以进行姿势估计。如安装部分所述，我克隆了存储库。我安装了 Docker
python - MS COCO 风格数据集的通用加载函数
我正在使用 Mask-RCNN 并希望训练我自己的几类 coco 风格的数据集。一开始，我只有 2 个类(除了背景)。虽然 Mask-RCNN 带有样本数据集，但它们要么只包含一个类，要么自己生成数
javascript - COCOS JS - 设置标签文本
有谁知道如何更新Cocos 2D-x上的标签文本吗？我在cocos studio上创建了一个标签，现在我尝试通过我的代码访问和更改其内容。我正在寻找 JavaScript 中的具体代码行，但我只在
c++ - cocos 2d-x添加触摸事件回调报错
我有一个 cocos2d-x 场景和上面的 Button。我尝试添加触摸事件监听器并为其提供回调函数: preloadScene.h: ... public: virtual void Do(Touc
javascript - 在我的项目目录中，“cocos”未被识别为内部或外部命令
我是cocos2d-js游戏开发的初学者，这两天正在学习。我尝试通过 cocos 命令运行我的项目，但它显示的 cocos 命令不被识别为内部或外部命令。我已按照此链接创建并运行项目 http://c

太空宇宙

个人简介

我是一名优秀的程序员,十分优秀！

作者热门文章

滴滴打车优惠券免费领取

全站热门文章

首页

博学

6Ren·AI

商城

python - 重新训练 MobileNet SSD V1 COCO 后，Tensorflow 的 pb 和 pbtxt 文件不适用于 OpenCV