在Tensorflow Object Detection示例配置文件中，所有Faster R-CNN配置文件都将正则化项禁用为
regularizer {
l2_regularizer {
weight: 0.0
}
}
我觉得这不合理，很可能会过时。有关此类设置的任何解释？谢谢。
我正在使用对象检测API来训练不同的数据集,我想知道是否可以在训练期间获得到达网络的样本图像.
我问这个是因为我试图找到一个很好的数据扩充选项组合(这里是选项),但添加它们的结果更糟.在培训中看到什么到达网络将非常有帮助.
另一个问题是,如果传递的数据集使它们不平衡,是否有可能获得API来帮助平衡类.
谢谢!
我想在自定义数据集上训练 Mobilenet SSD 模型。
我研究了重新训练模型的工作流程，并注意到配置文件中的 image_resizer{} 块：
这里的纵横比是否必须像 300x300 这样的 1:1 或我可以指定自定义比例？
我所有的数据集图像都是 960x256 - 所以我可以输入这个大小的高度和宽度吗？或者我是否需要调整所有图像的大小以使其纵横比为 1:1？
我正在使用fast_rcnn_inception_v2_coco作为预训练模型在 Windows 10 上训练Tensorflow 对象检测。我在 Windows 10 上，在 NVIDIA GeForce GTX 1080、CUDA 9.0 和 CUDNN 7.0 上使用 tensorflow-gpu 1.6。
我的数据集只包含一个对象“手枪”和 3000 张图像（2700 个训练集，300 个测试集）。图像的大小从 ~100x200 到 ~800x600。
我对该模型进行了 55k 次迭代训练，其中mAP约为 0.8，而TotalLoss似乎收敛到 0.001。但是，但是，看到评估，在同一个检测到的对象（例如this和this）上有很多多个边界框，并且有很多误报（房子被检测为手枪）。例如，在我拍摄的这张照片中（后来应用了模糊滤镜），模型将人和汽车检测为手枪，以及正确检测。
数据集与 tfrecords 和标签图一起上传到这里。我使用了这个配置文件，其中我唯一更改的内容是：num_classes为 1、fine_tune_checkpoint、train 和 eval 的input_path和label_map_path以及num_examples。 由于我认为多个框是非最大抑制问题，因此我将score_threshold（第 73 行）从 0 更改为 0.01，将iou_threshold（第 74 行）从 …
object-detection false-positive non-maximum-suppression tensorflow object-detection-api
我正在使用Tensorflow Object Detection API重新训练mobilenet v2 SSD,我在Windows和Ubuntu环境中都遇到了这个特殊错误.
我的环境是Windows 10,包括python 3.5,cuda 9.0和tensorflow-gpu 1.6.我用protobuf 3.4.0编译了protobuf.
我做了安装测试,没关系,所以现在我正在尝试使用自己的数据集并收到google.protobuf.text_format.ParseError: 108:7 : Message type "object_detection.protos.SsdFeatureExtractor" has no field named "batch_norm_trainable".错误.
我试过的事情:
整个错误代码:
C:\Users\kazuy\models\research>python object_detection/train.py --logtostderr --train_dir="C:\\Users\\kazuy\\models\\research\\object_detection\\projects\\coco_selfcar\\tests\\test30" --pipeline_config_path="C:\\Users\\kazuy\\models\\research\\object_detection\\projects\\coco_selfcar\\ssd_mobilenet_v2_coco.config"
Traceback (most recent call last):
File "object_detection/train.py", line 167, in <module>
tf.app.run()
File "C:\Users\kazuy\AppData\Local\Programs\Python\Python35\lib\site-packages\tensorflow\python\platform\app.py", line 126, in run
_sys.exit(main(argv))
File "object_detection/train.py", line 92, in main
FLAGS.pipeline_config_path)
File "C:\Users\kazuy\models\research\object_detection\utils\config_util.py", line 93, in get_configs_from_pipeline_file
text_format.Merge(proto_str, pipeline_config)
File "C:\Users\kazuy\AppData\Local\Programs\Python\Python35\lib\site-packages\google\protobuf\text_format.py", line 533, in …我正在使用Open Images Dataset上的TensorFlow对象检测API对SSD对象检测器进行微调。我的训练数据包含不平衡的课程，例如
我想为分类损失增加类权重以提高性能。我怎么做？配置文件的以下部分似乎相关：
loss {
classification_loss {
weighted_sigmoid {
}
}
localization_loss {
weighted_smooth_l1 {
}
}
...
classification_weight: 1.0
localization_weight: 1.0
}
如何更改配置文件以添加每个类的分类损失权重？如果不通过配置文件，建议采取哪种方式？
我正在尝试在本地运行Object Detection API.
我相信我已按照TensorFlow对象检测API文档中的描述设置了所有内容,但是,当我尝试运行model_main.py时,此警告显示并且模型未进行训练.(我无法确定模型是否正在训练,因为该过程没有终止,但没有进一步的日志出现)
警告:tensorflow:Estimator的model_fn(.model_fn位于0x0000024BDBB3D158>)包含params参数,但params不会传递给Estimator.
我传递的代码是:
python tensorflow-models/research/object_detection/model_main.py \
--model_dir=training \
--pipeline_config_path=ssd_mobilenet_v1_coco.config \
--checkpoint_dir=ssd_mobilenet_v1_coco_2017_11_17/model.ckpt \
--num_tain_steps=2000 \
--num_eval_steps=200 \
--alsologtostderr
可能导致此警告的原因是什么？
为什么代码似乎卡住了？
请帮忙!
使用tensorflow对象检测api中的ssd_mobilenet_v1_coco进行图像训练就可以了。
在测试时出现错误：
File "/home/hipstudents/anaconda3/envs/tensorflow_gpuenv/lib/python3.6/site-packages/object_detection-0.1-py3.6.egg/object_detection/utils/object_detection_evaluation.py", line 203, in add_single_ground_truth_image_info
raise ValueError('Image with id {} already added.'.format(image_id))
请帮忙。
System Info:
What is the top-level directory of the model you are using: ~/
Have I written custom code (as opposed to using a stock example script provided in TensorFlow): Yes, written scripts to convert .xml files to tf record
OS Platform and Distribution (e.g., Linux Ubuntu 16.04): Linux Ubuntu 16.04
TensorFlow installed from (source or binary): Compiled from source
TensorFlow version (use command …我通常只是train.py用来训练使用 Tensorflow Object Detection API。但是，我从https://www.kaggle.com/c/rsna-pneumonia-detection-challenge/discussion/68581中读到，您也可以使用它model_main.py来训练模型并在 Tensorboard 上查看实时绘图和图像。
model_main.py在 Tensorboard 上使用的？train.py和 和有model_main.py什么区别？我正在尝试使用 tensorflow 对象检测 api 训练自定义对象检测模型。出于训练目的，我使用腌制图像数据集进行训练，并作为我使用的模型ssd_mobilenet_v1_coco。当我开始训练时，它给了我这个错误。
Traceback (most recent call last):
File "train.py", line 184, in <module>
tf.app.run()
File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/platform/app.py", line 126, in run
_sys.exit(main(argv))
File "train.py", line 180, in main
graph_hook_fn=graph_rewriter_fn)
File "/content/models/research/object_detection/trainer.py", line 381, in train
init_saver = tf.train.Saver(available_var_map)
File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/training/saver.py", line 1338, in __init__
self.build()
File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/training/saver.py", line 1347, in build
self._build(self._filename, build_save=True, build_restore=True)
File "/usr/local/lib/python3.6/dist-packages/tensorflow/python/training/saver.py", line 1372, in _build
raise ValueError("No variables to save")
ValueError: No variables to save
完整的错误代码可以在这里找到...
[https://gist.github.com/mpgovinda/1f59f7de7873f6ec4c4426b79dc6827a][1]
我该如何解决？
tensorflow python-3.6 object-detection-api google-colaboratory