Continuous-Sign-Language-Sentence-Based-on-Kinect

关键动作的识别

深度学习入门

• https://www.bilibili.com/video/av16001891?from=search&seid=16798140708617054978
• 参考书目 <<TensorFlow 技术解析和实战>>

制作自己的数据集

- TFRecords读取数据方式

https://www.cnblogs.com/xianhan/p/9146485.html
https://blog.csdn.net/rookie_wei/article/details/81275663

简易数据集

https://blog.csdn.net/jesmine_gu/article/details/81155787

神经网络训练

https://blog.csdn.net/dy_guox/article/details/79111949

• python xmltocsv.py
• Create train data: python generatetfrecords.py --csv_input=data/dataset_train.csv --output_path=train.record python xmltorecod.py --csv_input=data/dataset_train.csv --output_path=train.record python xmltorecod.py --csv_input=data/test_2.csv --output_path=test.record python xmltorecod.py --csv_input=data/train_4.csv --output_path=train.record -(！！！一定要将main里面的路径改为自己的图片们)对应文件夹的images下
• change config ssd_mobilenet_v1_coco.config
• start train

From the tensorflow/models/research/ directory

python ./legacy/train.py --logtostderr --train_dir=training2/ --pipeline_config_path=training2/ssd_mobilenet_v1_coco.config --num_train_steps=20000 --num_eval_steps=2000

生成.pb文件

python export_inference_graph.py \ --input_type image_tensor \ --pipeline_config_path training2/ssd_mobilenet_v1_coco.config \ --trained_checkpoint_prefix training2/model.ckpt-30000 \ --output_directory hand_graph

测试模型并输出