标签: object-detection-api

我能够在具有 4x 1080Ti 的本地机器上进行训练，正如其他人指出的那样，TF 会占用我机器上的所有可用内存。经过一番探索后，大多数搜索都让我找到了基本 TF 的解决方案，而不是对象检测 API，例如：

如何防止 TensorFlow 分配全部 GPU 内存？

如何在对象检测 API 中访问这些类型的选项？如何在 OD API 中对训练进行类似 TF 风格的控制？在 OD API / slim API 中是否有正确的方法？

我尝试向该 Training.proto 添加 GPUOptions 消息，但这似乎没有什么区别。

我正在尝试阅读这一行中Tensorflow非极大值抑制方法的源代码。它是从gen_image_ops文件导入的，但我在张量流源代码中找不到该文件。

有什么来源可以让我获得这个方法的代码吗？

我在训练中使用Tensorflow 的对象检测 API。

在哪个文件中，冻结层被定义为在训练中对模型进行微调。我需要在微调中尝试更改冻结层。

例如，如果我使用Resnet50 配置，我可以在哪里更改冻结层？

我正在自定义数据集（即车牌数据集）上训练张量流对象检测 API 模型。我的目标是使用 Tensorflow lite 将此模型部署到边缘设备，这样我就无法使用任何 RCNN 系列模型。因为，我无法将任何 RCNN 系列对象检测模型转换为 TensorFlow lite 模型（这是 TensorFlow 对象检测 API 的限制）。我正在使用ssd_mobilenet_v2_coco模型来训练自定义数据集。以下是我的配置文件的代码片段：

model {
  ssd {
    num_classes: 1
    box_coder {
      faster_rcnn_box_coder {
        y_scale: 10.0
        x_scale: 10.0
        height_scale: 5.0
        width_scale: 5.0
      }
    }
    matcher {
      argmax_matcher {
        matched_threshold: 0.5
        unmatched_threshold: 0.5
        ignore_thresholds: false
        negatives_lower_than_unmatched: true
        force_match_for_each_row: true
      }
    }
    similarity_calculator {
      iou_similarity {
      }
    }
    anchor_generator {
      ssd_anchor_generator {
        num_layers: 6
        min_scale: 0.2
        max_scale: 0.95
        aspect_ratios: 1.0
        aspect_ratios: 2.0
        aspect_ratios: 0.5
        aspect_ratios: …

我无法从链接下载模型文件 下载 API 响应为 206。我不确定是否只有我面临这个问题还是每个人都面临这个问题？

还有其他替代方法来下载该文件吗？

如何使用Google的Object Detection API的推理脚本获取生成的边界框的坐标？我知道打印框[0] [i]返回图像中第i个检测的预测但这些返回数字的含义究竟是什么？有没有办法可以得到xmin,ymin,xmax,ymax？提前致谢.

我正在尝试检测不同形状的图像（不是正方形）中的物体。我使用了faster_rcnn_inception_v2模型，并且可以使用图像缩放器来保持图像的纵横比，并且输出令人满意。

image_resizer {
  keep_aspect_ratio_resizer {
    min_dimension: 100
    max_dimension: 600
  }
}

现在，为了提高性能，我想使用ssd_inception_v2或ssd_inception_v2模型进行训练。的示例配置的用途固定形状调整大小如下，

image_resizer {
  fixed_shape_resizer {
    height: 300
    width: 300
  }
}

但是问题是由于固定的调整大小，我得到的检测结果很差。我尝试将它更改为keep_aspect_ratio_resizer，如先前在fast_rcnn_inception_v2中所述。我收到以下错误，

InvalidArgumentError（请参见上面的回溯）：ConcatOp：输入的尺寸应匹配：shape [0] = [1,100,500,3] vs. shape 1 = [1,100,439,3]

如何在SSD模型中进行配置，以调整图像大小并保持宽高比？

我想同时在我自己的数据集上训练/评估ssd_mobile_v1_coco Object Detection API.

但是,当我只是尝试这样做时,我面临的GPU内存几乎已满,因此评估脚本无法启动.以下是我用于训练和评估的命令:
在一个终端窗格中调用训练脚本,如下所示:

python3 train.py \
        --logtostderr \
        --train_dir=training_ssd_mobile_caltech \
        --pipeline_config_path=ssd_mobilenet_v1_coco_2017_11_17/ssd_mobilenet_v1_focal_loss_coco.config

运行正常,培训工作......然后我尝试在第二个终端窗格中运行评估脚本:

 python3 eval.py \
        --logtostderr \
        --checkpoint_dir=training_ssd_mobile_caltech \
        --eval_dir=eval_caltech \
        --pipeline_config_path=ssd_mobilenet_v1_coco_2017_11_17/ssd_mobilenet_v1_focal_loss_coco.config 

它失败并出现以下错误:

python3 eval.py \
        --logtostderr \
        --checkpoint_dir=training_ssd_mobile_caltech \
        --eval_dir=eval_caltech \
       --pipeline_config_path=ssd_mobilenet_v1_coco_2017_11_17/ssd_mobilenet_v1_focal_loss_coco.config 
INFO:tensorflow:depth of additional conv before box predictor: 0
INFO:tensorflow:depth of additional conv before box predictor: 0
INFO:tensorflow:depth of additional conv before box predictor: 0
INFO:tensorflow:depth of additional conv before box predictor: 0
INFO:tensorflow:depth of additional conv before box predictor: 0
INFO:tensorflow:depth of additional …

我试图训练一个模型来检查图像，识别指定的对象并告诉我其模型（我什至不需要看到对象周围的正方形）。

为此，我使用Tensorflow的对象检测，而我所做的大部分事情都是在看本教程：

如何在Windows 10上使用TensorFlow（GPU）训练多个对象的对象检测分类器

但是某些事情发生了变化，可能是由于更新，然后我不得不自己做一些事情。我实际上可以训练模型（我想），但是我不理解评估结果。我过去经常看到损耗和电流阶跃，但是这个输出对我来说并不常见。另外，我认为培训没有保存下来。

训练命令行：

model_main.py --logtostderr --train_dir=training/ --pipeline_config_path=training/faster_rcnn_inception_v2_coco.config

配置文件：

model {
  faster_rcnn {
    num_classes: 9
    image_resizer {
      keep_aspect_ratio_resizer {
        min_dimension: 600
        max_dimension: 1024
      }
    }
    feature_extractor {
      type: 'faster_rcnn_inception_v2'
      first_stage_features_stride: 16
    }
    first_stage_anchor_generator {
      grid_anchor_generator {
        scales: [0.25, 0.5, 1.0, 2.0]
        aspect_ratios: [0.5, 1.0, 2.0]
        height_stride: 16
        width_stride: 16
      }
    }
    first_stage_box_predictor_conv_hyperparams {
      op: CONV
      regularizer {
        l2_regularizer {
          weight: 0.0
        }
      }
      initializer {
        truncated_normal_initializer {
          stddev: 0.01
        }
      }
    }
    first_stage_nms_score_threshold: 0.0
    first_stage_nms_iou_threshold: 0.7
    first_stage_max_proposals: 300 …

我用 Tensorflow 对象检测 API 训练了一个 Faster R-CNN 模型，但遇到了一个奇怪的问题。尽管图像中有更多的对象，但模型的输出最多有 100 个预测。这是我测试过的每个图像的情况。

我在 10 个 GitHub 上发现了类似的问题，但据我所知，他们在这些方面做得并不多。 https://github.com/tensorflow/tensorflow/issues/30464

也许您过去遇到过类似的问题？知道如何解决这个问题吗？