訓(xùn)練車輛的Deepsort深度模型記錄

1、訓(xùn)練車輛的Deepsort深度模型記錄-coding:utf8-mportosromPILimportImage定義創(chuàng)建目錄函數(shù)defmkdir(path):去除首位空格path=path.strip()去除尾部符號(hào)path=path.rstrip()判斷路徑是否存在存在True不存在FalseisExists=os.path.exists(path)判斷結(jié)果ifnotisExists:如果不存在則創(chuàng)建目錄創(chuàng)建目錄操作函數(shù)os.makedirs(path)print(path+創(chuàng)建成功)returnTrueelse:如果目錄存在則不創(chuàng)建，并提示目錄已存在print(path+目錄已存在)ret

2、urnFalseclassBatchRename():Ht批量重命名文件夾中的圖片文件Iffdef_init_(self):selfpath=./resources/MARS-evaluation-master/dataset表示需要命名處理的文件夾修改圖像尺寸defresize(self):foraroot,dirs,filesinos.walk(self.path):aroo是self.path目錄下的所有子目錄(含elf.path),dir是self.path下所有的文件夾的列表filelist=files注意此處僅是該路徑下的其中一個(gè)列表print(list,list)filelist

3、=os.listdir(self.path)獲取文件路徑total_num=len(filelist)獲取文件長(zhǎng)度(個(gè)數(shù))foriteminfilelist:src=os.path.join(os.path.abspath(aroot),item)修改圖片尺寸到28寬25高im=Image.open(src)out=im.resize(128,256),Image.ANTIALIAS)resizeimagewithhigh-ualitout.save(src)原路徑保存defrename(self):foraroot,dirs,filesinos.walk(self.path):aroo是se

4、lf.path目錄下的所有子目錄(含self.path),dir是self.path下所有的文件夾的列表filelist=files注意此處僅是該路徑下的其中一個(gè)列表print(list,list)print(list,list)filelist=os.listdir(self.path)獲取文件路徑total_num=len(filelist)獲取文件長(zhǎng)度(個(gè)數(shù))i=1表示文件的命名是從開始的foriteminfilelist:src=os.path.join(os.path.abspath(aroot),item)根據(jù)圖片名創(chuàng)建圖片目錄dirname=str(item.split(_)O)

5、為相同車輛創(chuàng)建目錄new_dir=os.path.join(self.path,.,bbox_train,dirname)mkdir(new_dir)獲得new_dir中的圖片數(shù)num_pic=len(os.listdir(new_dir)dst=os.path.join(os.path.abspath(new_dir),dirname+C1T0001F+str(num_pic+1)+.jpg)處理后的格式也為pg格式的，當(dāng)然這里可以改成ng格式C1T0001F見mars.pyfilenames相機(jī)，跟蹤指數(shù)dst=os.path.join(os.path.abspath(self.path)

6、,0000+format(str(i),0s)+.jpg)這種情況下的命名格式為OOOOOO.jpg形式，可以自主定義想要的格式try:os.rename(src,dst)print(converting%sto%s%(src,dst)i=i+1except:continueprint(total%dtorename&converted%djpgs%(total_num,i)f_name_=_main_:demo=BatchRename()demo.resize()demo.rename()期慟1Qrrti.DL*.rlewnfil57flJ53C2DE5TCF-2ZrJWIEa跡畑trthK

7、M.Xi曲5刑她E4,DEF-2Q43,788灼S?11C3.D=；TCF-2yH1E320110/91軸2MSKTO3-2Q4%L1,271rv電rthQutdev的憶巧折亂D茁嗣DESKTOiQ4N-2717EB；2E2.DESTCF-2NIEa17tT9DEE*TCP-2Q4丄2.154!畑j5?1冀坯。詐燈CF-?tl翱3011(7!JH10fSKTO3-2Q4U.啼WQrtt.Diit.riewnril5?7O?.D:S-J(m.1.9120graph.pbtrtfem対1.536K3medeL:拆電ddta-OM(WMOW01Mi/W315t16DATA-tKffiQ-CFJS.O

8、K畑modeLflc-QiidihC201S/KY915：UiMCO：EGmodel.zlq.FTWteT5：liota卅。止*cqljcarreidi、Tire-coane-ssftmiax修改圖片文件名：0:4與圖片上一級(jí)目錄同，4:6相機(jī)ID,6:11跟蹤ID,11-15圖片序號(hào)。將圖片改成128寬成256高。修改image_rename.py第38行的car-Reid.zip解壓出來的文件路徑witfi口：1W&rktql卜carrtid:、楓日期英里劉、5初叩關(guān)I5s1i才3_5I5s1iumid:CMifle_nr*lricdfaming-msdirksoukh卜f/ARS-eaJ

9、uaicri-nastef*bbox_trar魏日期DOC1zaigyic/glsia30C3兀刈15c1230C41S12SiteD0C7剳叩陽15:123)1即Wfl15(12DQ1D15:123011罰釦315:123、打開CMD將工作目錄cd到cosine_metric_learnihg-master然后訓(xùn)練命令python3train_mars.py-dataset_dir=./resources/MARS-evaluation-master-loss_mode=cosine-softmax-log_dir=./output/mars/-run_id=cosine-softmax訓(xùn)練

10、過程中每5分鐘自動(dòng)保存一組文件(圖片中選中的文件)生成的文件說明：Tensorflow訓(xùn)練后的模型可以保存checkpoint文件或pb文件checkpoint文件是結(jié)構(gòu)與權(quán)重分離的四個(gè)文件，便于訓(xùn)練；pb文件則是graph_def的序列化文件，類似于caffemodel,便于發(fā)布和離線預(yù)測(cè)。官方提供freeze_grpah.py腳本來將ckpt文件轉(zhuǎn)為pb文件Checkpoint保存斷點(diǎn)文件列表，可以用來迅速查找最近一次的斷點(diǎn)文件；meta文件是MetaGraphDef序列化的二進(jìn)制文件，保存了網(wǎng)絡(luò)結(jié)構(gòu)相關(guān)的數(shù)據(jù)，包括graph_def和saver_def等；index文件為數(shù)據(jù)文件提供索引

11、，存儲(chǔ)的核心內(nèi)容是以tensorname為鍵以BundleEntry為值的表格entries,BundleEntry主要內(nèi)容是權(quán)值的類型、形狀、偏移、校驗(yàn)和等信息。1ndex文件由datablock/indexblock/Footer等組成，構(gòu)建時(shí)主要涉及BundleWriter、TableBuilder、BlockBuilder幾個(gè)類，除了BundleEntry的序列化，還涉及了tensorname的編碼及優(yōu)化(比如丟棄重復(fù)的前綴)和datablock的snappy壓縮。數(shù)據(jù)(data)文件保存所有變量的值，即網(wǎng)絡(luò)權(quán)值。訓(xùn)練過程中也可以查看訓(xùn)練進(jìn)程，新開CMD窗口：命令為tensorboar

12、d-logdir./output/mars/cosine-softmax-port7006在CMD窗口出現(xiàn)鏈接，復(fù)制后在瀏覽器中打開4、觀察loss穩(wěn)定后停止訓(xùn)練，查看checkpoint里面的內(nèi)容fL-riodejheckpoint_path:modelxkpt-227445allmodelcheckpointpaths:r,modeL:kpt-20256,-!allmodelcheckpointpaths:model.ckpt-292351!allmodelcheckpointpaths:modelclcptn29240”allmodelcheckpoinpaths:hmodel.ckpt-33776Iallmodel_checkpointpaths:modelxkpt-36035iallmodelcheckpointpaths:model.ckpt-225202pythontrain_mars.py-mode=finalize-restore_path=./output/mars/cosine-softmax/model.ckpt-227445227445與最后一次生成的文件對(duì)應(yīng)運(yùn)行完之后會(huì)在工作目錄生成.mars.ckpt.data-OJOOO-of-O