训练自定义检测器模型
通过Roboflow、Google Colab和您自己的数据集,您可以快速为Limelight训练自定义检测器模型。
以下是您需要采取的步骤概述:
- 收集并标注感兴趣对象的图像。
- 在这种情况下,"标注"是指在感兴趣对象周围绘制边界框的过程。所有这些都可以在Roboflow的网页界面中完成。
- 或者,您也可以从Roboflow Universe中选择公共数据集
- 将标注好的数据集导出为.tfrecord格式,上传到Google Drive,并使用我们的免费训练Notebook与Google Colab一起使用。
- Google Colab允许您使用云端强大的GPU免费训练神经网络。
教程:
1. 数据集
Limelight训练Notebook需要一个压缩的.tfrecord数据集。Roboflow可以一键导出.tfrecord归档文件。
您可以使用Roboflow构建自己的数据集,或浏览Roboflow Universe寻找预先标注的数据集。
如果您选择构建自己的数据集,请阅读以下内容:
-
您应该最大化数据集的多样性。您的数据集的多样性应该超过部署后Limelight将看到的场景的多样性。
-
数据集的质量和准确性极其重要。确保您的边界框准确并遵循单一的约定。 例如,部分被遮挡对象的边界框应该只捕获对象的可见部分。
-
类别标签使用全小写字母
-
尽量减少类别标签的数量。
-
利用Roboflow的增强功能,但确保它们是有意义的。例如,如果您正在检测红色和蓝色球,请确保您没有在增强数据集中反转或大幅修改色调。
一旦您标注或找到了数据集,使用Roboflow的"Download Dataset"按钮将其导出为Tensorflow TFRecord格式。将此归档文件上传到您的Google Drive。
2. 训练模型
要训练您的自定义检测器,请使用Limelight检测器训练Notebook启动Google Colab会话。
该Notebook不需要任何代码更改。按照以下步骤训练您的模型: