object-detection

1熱度

1回答

我已經使用tensorflow object detection存儲庫訓練了對象檢測模型。現在在評估default way是從record文件中使用tf.contrib.slim.parallel_reader 我想讀直接使用文件系統中的圖像，並獲得圖像的預測閱讀。我怎麼做？

-1熱度

1回答

什麼時候應該在訓練深度學習模型時使用預訓練的權重？

我對培訓一系列圖像和物體檢測模型感興趣，我想知道什麼時候使用VGG16等網絡的預訓練權重的一般規則是什麼。例如，很顯然，微調預先訓練好的VGG16 imagenet模型權重對於您正在尋找子集即是有幫助的。貓和狗。但是，如果使用300個類訓練圖像分類器，其中只有一些是預訓練模型中的類的子集，是否使用這些預訓練好的權重是一個好主意。這是什麼直覺？

3熱度

1回答

如何讓Tensorflow對象檢測API使用灰度圖像進行訓練（輸入張量只有1個通道）？

我只是想通過張量流對象檢測api訓練模型來獲得實時速度，輸入張量具有形狀[1，寬度，高度，3]，它是3個通道，但我認爲如果我可以只使用1個通道訓練我的模型，它只需要灰色圖像作爲輸入，因此，這可以降低計算複雜度，對於我的應用程序來說，速度非常重要。

0熱度

1回答

TensorFlow Object Detection API只訓練了幾個類中的一個類

我在我自己的數據集上用幾個類運行TF Object Detection API的訓練過程，但是經過相當多的步驟（約20k）後，我可以在TensorBoard的PerformanceByCategory菜單中看到MAP只增加一個類別，其他甚至沒有開始。我的數據集時，PascalVOC格式和我下面this answer創建它。數據準備完成後，我生成了Pascal記錄，已編輯的標籤地圖和管道配置，並將

3熱度

2回答

Tensorflow服務沒有可用的版本<MODEL>在基本路徑下找到

我正在使用this教程使用tensorflow serving使用我的對象檢測模型。我正在使用tensorflow object detection來生成模型。我使用this導出器創建了一個冷凍模型（生成的冷凍模型使用python腳本工作）。冷凍圖表目錄有以下內容（上variables目錄沒有）變量/ saved_model.pb 現在，當我嘗試使用以下命令來服務模式， tensorflow_

1熱度

1回答

從訓練開始低損耗Tensorflow對象檢測API

我有對象檢測API的問題，我的損失是從訓練開始非常低：信息：tensorflow：全球第3步：損失= 1.6555（1.949秒/步） INFO：tensorflow：全球步驟4：損耗= 1.1560（2.021秒/步） INFO：tensorflow：全球步驟5：損耗= 1.7363（2.201秒/步）幾千步之後的mAP大約是0.25 ... tensorflow是否在其他地方保存了一些額外

1熱度

1回答

Tensorflow對象檢測API不檢測所有對象

我正在嘗試使用tensorflow對象檢測API。爲了檢查事情，我使用了預訓練模型，並試圖在我創建的圖像上運行它。但我看到的是，API不檢測所有物體的圖像（儘管它們是狗的相同的圖像）。我使用ssd_mobilenet_v1_coco預訓練模型我重視與檢測到最終輸出圖像對象。 Output image with the detected objects 任何關於爲什麼可能發生的指針？我應該從哪裏

0熱度

1回答

通過掩碼標記檢測到的對象

我正在關注this鏈接，解決了problem of mine。在第一個鏈接中提到，我們可以創建一個「蒙版」，如果下一個對象非常接近那個「蒙版」，我們將不會檢測到它，因爲它可能是同一個對象。但是如果它有距離，我們應該檢測它，然後追蹤到最後。但我沒有得到如何創建掩碼並使用條件語句排除它。所以，第一個創建面具的問題。如果我可以創建對象的蒙版，那麼我可以嘗試從下一個檢測中排除它。 import cv2

0熱度

1回答

在電腦視覺中使用字袋的原因

爲什麼在電腦視覺中選擇一袋字的方法？例如：如果使用HOG特徵作爲描述符並將BOW方法應用於此特徵，則結果將是直方圖的直方圖。我可以看到在這種方法中尺寸縮減的優點以及固定大小的生成元素，但是這真的是唯一的原因嗎？因爲減少也會導致信息的丟失。我還可以考慮將圖像大小調整爲固定的，通常較小的大小並計算HOG。結果矢量也將具有固定大小，因此它可以與分類器一起使用。這也會造成信息丟失，特別是當固定圖像尺

1熱度

1回答

SSD對象檢測如何計算它的班級分數和bbx位置？

與paper一樣，我可以理解SSD試圖從不同的功能地圖預測對象位置及其相關類別分數。因此，對於每個圖層，可以針對不同比例的錨（參考）框的數量進行不同的預測。所以如果一個卷積特徵地圖有5個參考框，那麼每個參考框應該有類別分數和bbx座標。我們通過在不同層的特徵映射上滑動窗口（內核例如：3 * 3）來做上述預測。所以我不清楚的是從一個位置的滑動窗口到得分層的連接。 1.它只是以完全連接的方式將卷