【人工智能 图像分割 原创首发】第五章 用训练好的网络测试

chun2495

这一节我利用训练出的.pb网络测试下自己的图片

新建一个python文件“6deeplab_predictions.py”，输入代码如下

1. # 时间：2020.09.14
   
2. # 作用：调用pb文件批量生成deeplabv3预测图
   
3. # 输入：图像文件夹，pb模型文件
   
4. # 输出：文件预测图
   
5. # 注意：原始图片里不要有其他文件，包括.DS_Store、文件夹等。
   
6. 
   
7. import tensorflow as tf
   
8. import numpy as np
   
9. import os
   
10. from PIL import Image
    
11. 
    
12. Image.MAX_IMAGE_PIXELS = 400000000
    
13. image_wide = 400
    
14. image_high = 320
    
15. imagedir = '/Users/zhengyuchun/Desktop/Anaconda/pre_images/'
    
16. pbpath = "./exp/mydata_train/export/frozen_inference_graph.pb"
    
17. 
    
18. imagelist = os.listdir(imagedir)
    
19. rgbim = np.zeros((image_high, image_wide, 3), 'uint8')
    
20. R = rgbim[:, :, 0]
    
21. G = rgbim[:, :, 1]
    
22. B = rgbim[:, :, 2]
    
23. 
    
24. img = tf.placeholder(tf.uint8, [1, image_high, image_wide, 3], name="img")
    
25. with open(pbpath, "rb") as f:
    
26.         graph_def = tf.GraphDef()
    
27.         graph_def.ParseFromString(f.read())
    
28.         output = tf.import_graph_def(graph_def, input_map={"ImageTensor:0": img}, return_elements=["SemanticPredictions:0"])
    
29. 
    
30. sess = tf.Session()
    
31. 
    
32. for i in range(0, len(imagelist)):
    
33.         path = os.path.join(imagedir, imagelist[i])   # 带文件名的路径
    
34.         filename = os.path.splitext(imagelist[i])[0]  # 文件名
    
35.         filetype = os.path.splitext(imagelist[i])[1]  # 后缀".jpg"
    
36.         print('正在处理 '+path)
    
37. 
    
38.         image = Image.open(path)
    
39.         image = np.asarray(image)
    
40.         image = np.expand_dims(image, axis=0).astype(np.uint8)
    
41. 
    
42.         result = sess.run(output, feed_dict={img: image})
    
43. 
    
44.         grayim = np.squeeze(result[0])
    
45. 
    
46.         # 将灰度图像转换为rgb图像,根据自己的类别数目修改相应的颜色
    
47.         for k in range(0, image_high):
    
48.                 for j in range(0, image_wide):
    
49.                         if grayim[k][j] == 1:
    
50.                                 R[k, j] = 128
    
51.                                 B[k, j] = 0
    
52.                                 G[k, j] = 0
    
53.                         elif grayim[k][j] == 0:
    
54.                                 R[k, j] = 0
    
55.                                 B[k, j] = 0
    
56.                                 G[k, j] = 0
    
57. 
    
58.         rgbim = Image.fromarray(np.uint8(rgbim))
    
59.         savedir = os.path.join(imagedir, filename + '.png')
    
60.         rgbim.save(savedir)
    
61.         rgbim = np.zeros((image_high,image_wide, 3), 'uint8')
    
62.         R = rgbim[:, :, 0]
    
63.         G = rgbim[:, :, 1]
    
64.         B = rgbim[:, :, 2]
    

复制代码

运行就可以了，切记源图像不能是8bit的图片，而且源文件夹不能有其他文件和文件夹（文件夹下ls -la查看是否有其他文件，比如：包括.DS_Store、文件夹等）。

运行结果如下


可以看出，预测还是很准确的。

Pioneermcu

这东西好玩！

thepresent

你好楼主，我按照你的方法训练了一个模型，前四章都正常。第五章使用训练好的结果测试这里，我没有在/exp/mydata_train目录下找到export文件夹，也没有找到frozen_inference_graph.pb文件。这个文件在deeplab\g3doc\deeplabv3_mnv2_pascal_trainval文件夹里倒是有一个，不过看修改日期是2018年的，肯定不是训练生成的。麻烦问一下这是怎么回事啊？是不是因为我训练失败了？

chun2495

thepresent 发表于 2020-10-17 11:20
你好楼主，我按照你的方法训练了一个模型，前四章都正常。第五章使用训练好的结果测试这里，我没有在/exp/m ...

不好意思，漏掉了一个环节。
第四章训练完毕后，还需要将训练好的网络冻结，生成.pb格式。
新建一个.sh 文件，输入代码如下：

1. cd ..
   
2. export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
   
3. 
   
4. python deeplab/export_model.py \
   
5.   --checkpoint_path='./deeplab/exp/mydata_train/train/model.ckpt-46781' \
   
6.   --export_path='./deeplab/exp/mydata_train/export/frozen_inference_graph.pb' \
   
7.   --model_variant="mobilenet_v2" \
   
8.   --num_classes=2 \
   
9.   --decoder_output_stride=16 \
   

复制代码

model.ckpt-46781'改为你自己训练的最终文件就行。

thepresent

chun2495 发表于 2020-10-17 15:29
不好意思，漏掉了一个环节。
第四章训练完毕后，还需要将训练好的网络冻结，生成.pb格式。
新建一个.sh  ...

这个是在train文件夹生成的文件，没有你说的类似的格式啊。是不是我生成的有什么问题？

chun2495

thepresent 发表于 2020-10-17 20:08
这个是在train文件夹生成的文件，没有你说的类似的格式啊。是不是我生成的有什么问题？ ...

没问题，你的就是这个 model.ckpt-100