[人工智能]使用Mx_yolov2模型训练器来进行图像分类的模型训练

Maix可以通过机器学习训练出来的模型来进行物体识别，图片分类；这一切前提是要拥有一个模型文件来让Maix进行识别预测，如果你体验过官方提供的人脸识别模型，或者20种物体分类的模型，相信你一定想过如何根据自己要检测的物体来训练属于自己的模型。如果从零开始训练一个模型，那对于任何一个非专业的人来说，会是一个非常漫长的过程。

现在，无论是学生还是老师都可以使用Mx_yolov2模型训练器来训练你自己的模型，训练模型的过程会变得非常简单。

先来看看训练出来的模型效果：

戴口罩检测（物体检测）

花卉分类（图像分类）

当然除了这些物体，身边的其他物体也可以进行检测、分类。你只需要准备好给机器学习的学习资料（数据集）给机器一些时间，机器也能学会如何去识别你需要识别的对象。

本次教程就先来学习如何训练图像分类模型，物体检测模型将在下个教程分享。

接下来进入正题：

01

下载软件、配置环境

首先你需要下载软件压缩包，关注公众号，并发送信息“Mx”到公众号，即可获得下载地址。

下载后，将压缩包解压缩（注意：文件夹所在位置不能包含中文、空格；建议放在硬盘根目录，如D盘目录下）

解压缩后你将看到如下的文件夹目录：

打开"使用前配置"文件夹，首先你需要安装Python 3.7.4版本软件（因为训练使用到Tensorflow 1.15版本，最新的Python 3.8.2不能安装1.15版本的Tensorflow），安装时注意要勾选 ☑Add Python 3.7 to PATH ，接下来的安装过程也很简单，直接点击Install Now即可。

安装完后，你还需要安装一些必要的Python库及一些配置，在这里提供了一键配置的小程序（配置时需要网络）。

当出现修改成功字样，说明你的环境配置已经完成了。

02

准备你的训练数据集

机器要学会如何识别物体之前，需要对一些样本进行学习，就好像小时候学习认字一样，需要课本、需要有人告诉你这个字是怎么读，怎么写，在不断的练习与训练中，你就能学会写字，读书。

准备数据集分为两种，首先你要确定你是需要进行物体识别、追踪，还是进行图像分类；

那么怎样确认你是需要训练哪一种模型呢?

如果你需要获得图像中某个物体的位置，大小等信息，将物体提取出来，那么你就需要物体识别；

（物体识别会在检测的目标周围画一个框将目标框选出来）

如果你只是需要判断图像中的物体是什么，那么你就需要图像分类

（图像分类会将图像最可能的种类区分出来）

图像分类的数据集预处理

1、拍摄你需要识别的每一种类物体大概60张以上的照片，每种物体一个文件夹，并用英文给这些文件夹命名。如下图的花卉分类数据集结构

2、打开Mx_yolov2软件，点击Image_tool进行图像预处理

选择你刚才建好的分类数据集，Image_tool将会把所有的图片处理成像素为（224x224）的图像，同时在原来文件所在目录将会出现一个名称中带有_out的文件夹（如图）

3、接下来从处理后的图像中，挑选出每种物体总图片数量10%~20%的照片数量，以同样的文件夹将他们分类（如下图）

如在Mx_yolov2\datasets\MobileNet\flower\valid目录下的结构

你可以查看Mx_yolov2\datasets\MobileNet\目录下已经处理好的数据集；不难发现，数据集分为两个文件夹，一个叫做train、一个叫做valid；他们分别是机器学习中的训练集（train）以及验证集（valid）；到此，你的图像分类数据集就准备好了

03

调整训练参数

打开Mx_yolov2软件，选择图像分类模式，并选择“2-参数设置”选项卡（如下图）

在这里你要设置分类的标签（也就是分类物体的名字，要和的的文件夹命名相同）、训练的总类数、选择你准备好的训练集路径、测试集路径、Batch_size（单次训练用的样本数）、迭代次数。

当你设置完后，点击保存设置文件，设置文件以json格式保存在Mx_yolov2\configs中。

04

开始训练！

选择开始训练选项，并导入刚才保存的设置文件，并点击开始训练，训练时终端会显示如下画面；

你会注意到训练时终端中的一些重要参数：

▪Epoch --迭代的次数/总次数

▪loss--损失函数（越低，说明训练的模型越好，但也不是越低越好，过低的话就会出现过拟合，你需要适当的降低迭代次数，一般正常的训练模型loss会在开始的几次迭代中快速的收敛变小）

当在迭代次数达到后并且终端也没有信息滚动，操作信息栏中出现”训练结束“信息之后，你可以在Mx_yolov2文件夹下发现多出两个文件，分别是MobileNet.h5、MobileNet.tflite；这就是你训练好的模型文件。

首先h5模型文件是你最初训练出来的模型文件，它可以在你的计算机上进行部署并识别；tflite模型文件是h5文件经过Tensorflow Lite转换得到的模型文件；它能够更好的部署到小型设备上，例如Maix、手机。

05

转换模型

你会发现你训练出来的模型文件是tflite模型文件，然而Maix上需要使用后缀名为kmodel的模型文件；所以你需要使用工具将模型文件进行转换。

在GitHub上的开源项目NNCase,它能很好的将你的模型文件进行转换，一开始它是一个命令行工具，为了方便使用我已经为它写了一个Gui的界面。你可以在Mx_yolov2的训练界面找到打开它的按钮（如下图）

在打开的NNCase 0.1.0 Qt软件界面，选择你需要转换的模型文件、模型输出保存的地址以及至少含有3张训练图片的文件夹；点击转换按钮，当出现模型转换成功字样，即可在刚才保存的模型的位置找到你的kmodel模型。（如下图）

05

部署模型到Maix上

你需要使用Kflash工具将模型下载到Maix的内存中，Kflash软件你可以在Mx_yolov2文件夹中找到。

注意打开文件按钮前的0x300000，这是模型下载到内存中的地址，等会在代码中加载模型时要用到。

上传完毕之后，你需要使用MaixPy IDE为Maix来编写一个脚本，它的程序如下：（你也可以在Mx_yolov2的文件夹下找到boot.py）

这里注意：标签名称要和你训练时的标签名称顺序相同，kpu加载的内存地址就是你刚才上传模型的地址。

接下来运行程序~使用你的Maix尽情的进行图像分类吧~

06

结语

Mx_yolov2是一个刚开始的项目，也许软件使用过程中会出现一些BUG；说实话它没有经过太多的测试，我对自动化测试并不熟悉，如果你在使用过程中出现任何BUG或者有什么建议可以随时联系我 ：）

我的微信/QQ：649756903

邮箱：[e-mail]