目录说明：

1. data/TSD-Signal目录需要放入图片文件夹，用来生成record文件，输出到data/records  
2. data/TSD-Signal-GT目录需要放入图片标记的xml文件，用来生成record文件  
3. data/test_samples目录需要放入图片文件夹，inference.py生成带标记框的测试结果用。  

使用说明：

注：   
    1. 下面所有脚本都在src目录下运行。（src/scripts目录下的脚本是工具脚本，可以单独执行）  
        在src路径下设置环境变量：  
            protoc object_detection/protos/*.proto --python_out=.
            export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/object_detection/slim
            
    2. models/research/object_detection这个文件夹复制到了src目录下，并将一部分必要的文件也复制到了这个目录. 因此本项目可以放到任意地方。   
    3. 如果模型不一样，下面的名称需要更改。 路径一般不用更改，都是相对路径。  

1. xml转换为record：
        python ./create_fc_record.py
        
2. 运行train.p训练模型：  

    python train.py --logtostderr \
    --pipeline_config_path=../config/ssd_mobilenet_v1.config \
    --train_dir=./model_cpkt
    
3. 将模型转为pb文件：  
    需要将 *./model_cpkt/model.ckpt-0* 更改为要转换的ckpt文件
      
    CUDA_VISIBLE_DEVICES="1" python ./object_detection/export_inference_graph.py   \
    --input_type image_tensor     \
    --pipeline_config_path ../config/ssd_mobilenet_v1.config  \
    --trained_checkpoint_prefix ./model_cpkt/model.ckpt-0     \
    --output_directory ./model_pb/
    
4. 运行inference.py测试模型结果，得到带标注框的图片。
    python inference.py

5. 运行eval.py进行验证：   
    python eval.py     --logtostderr     \
    --pipeline_config_path=../config/ssd_mobilenet_v1.config   \
    --checkpoint_dir=model_cpkt     \
    --eval_dir=./model_cpkt/eval_log
    
6. Tensorboard可视化log：  
    查看训练log:
        tensorboard --logdir ./model_cpkt/  
    查看验证log:
        tensorboard --logdir ./model_cpkt/eval_log/  
    同时查看2种log:
        tensorboard --logdir .

模型配置文件更改：

注：   
    1. 如果使用新的模型，只需要更改fine_tune_checkpoint   
    2. 模型配置文件在./config/目录下   

1. 分类个数：
    num_classes: 77
    
2. 模型路径：   
    fine_tune_checkpoint: "./object_detection/checkpoints/ssd_mobilenet_v1_coco_2017_11_08/model.ckpt"    
    
3. 训练次数：  
    num_steps: 20000  
    
4. train input路径：  
   train_input_reader: {  
      tf_record_input_reader {  
        input_path: "../data/records/train.record"  
      }  
      label_map_path: "../config/traffic.pbtxt"  
    }  

5. eval路径：  
    eval_input_reader: {
      tf_record_input_reader {
        input_path: "../data/records/val.record"
      }
      label_map_path: "../data/traffic.pbtxt"
      shuffle: false
      num_readers: 1
    }