Press "Enter" to skip to content

TensorFlow CSGO实际对象检测

欢迎学习我们的TensorFlow对象检测API教程系列的第6部分。首先,您可以在我的GitHub页面上下载代码。在这一部分中,我们将™导出推理图并检测我们自己的自定义对象。GitHub

 

导出推理图:

 

训练完成后,最后一步是生成冻结的推理图(我们的检测模型)。复制EXPORT_INFERENCE_Graph.py文件并粘贴到/OBJECT_DETACTION文件夹,然后在命令提示符下发出以下命令,其中?EUROUREœxxxxxx?EUROURE�in?EUROUREœ�.ckpt-xxxxxxx?EUROURE Training文件夹中编号最高的.ckpt文件应被替换:

 

python export_inference_graph.py --input_type image_tensor --pipeline_config_path CSGO_training/faster_rcnn_inception_v2_coco.config --trained_checkpoint_prefix CSGO_training/model.ckpt-XXXX --output_directory CSGO_inference_graph

 

使用我们训练有素的自定义对象检测分类器:

 

上面的行会在/object_Detection/CSGO_INFERENCE_GRAPH文件夹中创建一个Freeze_Inference_raph.pb文件。.pb文件包含对象检测分类器。将其重命名为CSGO_FRESTED_INFORMATION_Graph.pb并将其移动到主工作文件夹中。此外,请使用与用于培训的标签地图文件相同的标签地图文件。在我的示例中,我将其重命名为csgo_labelmap.pbtxt。然后,我从我自己的第4个教程中提取了object_detection_tutorial_grabscreen_faster.py代码,并将其重命名为csgo_Object_Detection.py,并更改了几行代码,这样我们就可以使用它了:

 

我将第39行更改为冻结的推理图文件。PATH_TO_FRESTED_GRAPH=‘CSGO_FRESTED_INFORMATION_GRAPH_GRAP.pb’

 

我将第41行更改为我的labelmap文件。PATH_TO_Labels=‘CSGO_labelmap.pbtxt’

 

最后,在运行Python脚本之前,您需要修改脚本中的第42行NUM_CLASSES变量,使其与我们要检测的类数相等。我只使用了4个类,所以我将其更改为4:num_class=4

 

如果一切正常,对象检测器将初始化约10秒(对于GPU可能需要更长的时间),然后显示自定义窗口大小,显示图像中检测到的对象。在我们的例子中,™正在检测CSGO游戏中的玩家。

 

这就是本教程的全部内容–™。现在,我们介绍了如何实现您自己的自定义对象检测模型的所有步骤。在下一个教程中,我们将致力于射击我们的敌人!

 

最初发表于https://pylessons.com/Tensorflow-object-detection-csgo-actual-object-detection
https://pylessons.com/Tensorflow-object-detection-csgo-actual-object-detection

 

原创文章,作者:fendouai,如若转载,请注明出处:https://panchuang.net/2021/07/07/tensorflow-csgo%e5%ae%9e%e9%99%85%e5%af%b9%e8%b1%a1%e6%a3%80%e6%b5%8b/

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注