person
bird, cat, cow, dog, horse, sheep
aeroplane, bicycle, boat, bus, car, motorbike, train
bottle, chair, dining table, potted plant, sofa, tv/monitor

二、2012年的挑战赛一共有5 个main tasks 和 2个 ``taster'' tasks：

　　1. Classification: 对每个类判断测试图片中是否存在该类的至少1个对象.

　　2. Detection: 对每个类判断测试图片中属于该类对象的外包边框.

　　3. Segmentation: 对测试图中的每个像素，判断该像素属于20个类对象还是属于背景，即图像的语义分割.

　　4. Action Classification: 对每个动作类别，判断测试图片中是否有人（已通过外包边框标明）正在做出相应的动作，动作共有10个分类：jumping; phoning; playing a musical instrument; reading; riding a bicycle or motorcycle; riding a horse; running; taking a photograph; using a computer; walking。此外，数据集中有一些人在做其他动作（不在10个分类中），作为干扰测试.

　　5. Large Scale Recognition: 这个比赛项目由ImageNet组织，他们的网站: http://www.image-net.org/challenges/LSVRC/2012/index

　　6.  2``taster'' tasks：Boxless Action Classification: 判断测试图中人是否在做相应动作，这些人仅通过身体某处的单个点标明，没有外包边框.Person Layout: 对测试图中的每个人（已通过外包边框标明），判断这些人的头、手、脚部位，并通过外包框标明。

三、目录结构：如图所示：

　　1.JPEGImages存放图片；

　　2. Annotation存放对图片的标注信息（XML文件），即外包边框bounding box的位置信息；

　　3. SegmentationClass和SegmentationObject存放了图片的分割前景。

　　4. ImageSets是对图片集合的描述，分别对应了不同的竞赛任务，例如Layout表示图片中人体部位的数据，Main表示每个图片包含的分类信息（20个类别），Segmentation表示用于分割的数据，2007没有action，2012有了action数据，表示图片中人的动作。

　　红框中的4个压缩包分别是2012和2007的test、trainval文件，把2007的test和trainval解压缩，2007的test和train目录结构是一致的，只是图片和标注内容互补。2012也是如此，在ImageSets的main中通过txt把数据集划分成train、train_test、train_val等几个部分。

　　以上文件下载并解压缩到D:\dataset\VOCdevkit目录下。

第二部分TensorFlowObjectDetectionAPI的训练详细步骤

这个API的主要任务是进行ObjectDetection，所以只会用到数据集中的前三个目录，这里使用VOC2012进行训练。

一、数据格式转换

data_dir, year, 'ImageSets', 'Main',FLAGS.set + '.txt'

　　VOC数据集和转换后tfrecord数据集都存放在D:\dataset目录下，这里需要为tfrecord新建一个文件夹D:\dataset\TFrecord，并在TFrecord下新建文件夹data。完成后可以运行命令：

python create_pascal_tf_record.py --data_dir=D:\dataset\VOCdevkit --year=VOC2012 --set=train --output_path=D:\dataset\TFrecord\data\pascal_train.record

　　上面的命令中，data_dir为存放的VOC数据集目录，year参数只接受VOC2012和VOC2007两个数据集，这里选用了VOC2012，如果自己标注了数据，请按照VOC目录结构存放，set表示使用VOC2012的train部分进行训练，大概5700多张图片，output_path为record数据集的输出目录，就是刚才新建的data文件夹。

二、下载预训练模型

　　通常模型的训练都不是从0开始的，利用fine-tuning的思想在已有模型基础上训练可以有一个好的performance，https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md官网上提供了5个模型，大家可以自行下载，这里我下载了mAP比较高的faster_rcnn_inception_resnet_v2_atrous_coco，这是一个coco数据集训练的模型，解压缩后把其中的model.ckpt.*三个文件复制到D:\dataset\TFrecord\models下，没有models目录需要新建一个。

三、修改配置文件

　　刚才下载的数据集是faster_rcnn_inception_resnet_v2_atrous_coco，在object_detection\samples\configs目录下找到对应的.config文件，如果没有，可以到https://github.com/tensorflow/models/tree/master/research/object_detection/samples/configs复制对应的config文件， 把faster_rcnn_inception_resnet_v2_atrous_coco.config放到预训练模型目录下：D:\dataset\TFrecord\models

　　打开faster_rcnn_inception_resnet_v2_atrous_coco.config，修改num_classes为你自己的num_classes，这里VOC2012有20个分类，所以修改为20。然后修改其中5个路径：

112行 fine_tune_checkpoint: "D:\\dataset\\TFrecord\\models\\model.ckpt"
127行 input_path: "D:\\dataset\\TFrecord\\data\\pascal_train.record"
129行 label_map_path: "D:\\dataset\\TFrecord\\data\\pascal_label_map.pbtxt"
141行 input_path: "D:\\dataset\\TFrecord\\models\\pascal_val.record"
143行 label_map_path: "D:\\dataset\\TFrecord\\models\\pascal_label_map.pbtxt"

　　其他训练的配置信息可以自己研究一下，可以针对自己的数据集进行调整。

四、开始训练

python train.py --train_dir=D:\dataset\TFrecord\train --pipeline_config_path=D:\dataset\TFrecord\models\faster_rcnn_inception_resnet_v2_atrous_coco.config

第三部分 可能产生的错误

一、执行python train.py报错：trainer.py“ModuleNotFoundError: No module named 'deployment'”，或者报错No module named 'nets'

• 错误原因，这两个model都是在TensorFlow/models/slim中，如果你阅读了我的上一篇文章http://www.cnblogs.com/mar-q/p/7459845.html，就可以知道，需要把models/slim加入到PYTHONPATH环境变量中。

二、运行训练后报错：“WARNING:root:Variable ……not available in checkpoint”

• 错误路径train.py->trainer.py->train()->init_saver = tf.train.Saver(available_var_map)，产生原因，第2步和第3步中预训练模型和config文件没有对应起来，请在官网下载相匹配的预训练模型和config文件。