训练车辆的Deepsort深度模型记录

1、训练车辆的Deepsort深度模型记录-coding:utf8-mportosromPILimportImage定义创建目录函数defmkdir(path):去除首位空格path=path.strip()去除尾部符号path=path.rstrip()判断路径是否存在存在True不存在FalseisExists=os.path.exists(path)判断结果ifnotisExists:如果不存在则创建目录创建目录操作函数os.makedirs(path)print(path+创建成功)returnTrueelse:如果目录存在则不创建，并提示目录已存在print(path+目录已存在)ret

2、urnFalseclassBatchRename():Ht批量重命名文件夹中的图片文件Iffdef_init_(self):selfpath=./resources/MARS-evaluation-master/dataset表示需要命名处理的文件夹修改图像尺寸defresize(self):foraroot,dirs,filesinos.walk(self.path):aroo是self.path目录下的所有子目录(含elf.path),dir是self.path下所有的文件夹的列表filelist=files注意此处仅是该路径下的其中一个列表print(list,list)filelist

3、=os.listdir(self.path)获取文件路径total_num=len(filelist)获取文件长度(个数)foriteminfilelist:src=os.path.join(os.path.abspath(aroot),item)修改图片尺寸到28宽25高im=Image.open(src)out=im.resize(128,256),Image.ANTIALIAS)resizeimagewithhigh-ualitout.save(src)原路径保存defrename(self):foraroot,dirs,filesinos.walk(self.path):aroo是se

4、lf.path目录下的所有子目录(含self.path),dir是self.path下所有的文件夹的列表filelist=files注意此处仅是该路径下的其中一个列表print(list,list)print(list,list)filelist=os.listdir(self.path)获取文件路径total_num=len(filelist)获取文件长度(个数)i=1表示文件的命名是从开始的foriteminfilelist:src=os.path.join(os.path.abspath(aroot),item)根据图片名创建图片目录dirname=str(item.split(_)O)

5、为相同车辆创建目录new_dir=os.path.join(self.path,.,bbox_train,dirname)mkdir(new_dir)获得new_dir中的图片数num_pic=len(os.listdir(new_dir)dst=os.path.join(os.path.abspath(new_dir),dirname+C1T0001F+str(num_pic+1)+.jpg)处理后的格式也为pg格式的，当然这里可以改成ng格式C1T0001F见mars.pyfilenames相机，跟踪指数dst=os.path.join(os.path.abspath(self.path)

6、,0000+format(str(i),0s)+.jpg)这种情况下的命名格式为OOOOOO.jpg形式，可以自主定义想要的格式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迹畑trthK

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

8、K畑modeLflc-QiidihC201S/KY915：UiMCO：EGmodel.zlq.FTWteT5：liota卅。止*cqljcarreidi、Tire-coane-ssftmiax修改图片文件名：0:4与图片上一级目录同，4:6相机ID,6:11跟踪ID,11-15图片序号。将图片改成128宽成256高。修改image_rename.py第38行的car-Reid.zip解压出来的文件路径witfi口：1W&rktql卜carrtid:、楓日期英里刘、5初叩關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剳叩阳15:123)1即Wfl15(12DQ1D15:123011罚釦315:123、打开CMD将工作目录cd到cosine_metric_learnihg-master然后训练命令python3train_mars.py-dataset_dir=./resources/MARS-evaluation-master-loss_mode=cosine-softmax-log_dir=./output/mars/-run_id=cosine-softmax训练

10、过程中每5分钟自动保存一组文件(图片中选中的文件)生成的文件说明：Tensorflow训练后的模型可以保存checkpoint文件或pb文件checkpoint文件是结构与权重分离的四个文件，便于训练；pb文件则是graph_def的序列化文件，类似于caffemodel,便于发布和离线预测。官方提供freeze_grpah.py脚本来将ckpt文件转为pb文件Checkpoint保存断点文件列表，可以用来迅速查找最近一次的断点文件；meta文件是MetaGraphDef序列化的二进制文件，保存了网络结构相关的数据，包括graph_def和saver_def等；index文件为数据文件提供索引

11、，存储的核心内容是以tensorname为键以BundleEntry为值的表格entries,BundleEntry主要内容是权值的类型、形状、偏移、校验和等信息。1ndex文件由datablock/indexblock/Footer等组成，构建时主要涉及BundleWriter、TableBuilder、BlockBuilder几个类，除了BundleEntry的序列化，还涉及了tensorname的编码及优化(比如丢弃重复的前缀)和datablock的snappy压缩。数据(data)文件保存所有变量的值，即网络权值。训练过程中也可以查看训练进程，新开CMD窗口：命令为tensorboar

12、d-logdir./output/mars/cosine-softmax-port7006在CMD窗口出现链接，复制后在浏览器中打开4、观察loss稳定后停止训练，查看checkpoint里面的内容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与最后一次生成的文件对应运行完之后会在工作目录生成.mars.ckpt.data-OJOOO-of-O