标签: object-detection

如何更改配置的优化器

例如以下是 ssd_coco_mobilenetv2 的 confgi

train_config: { 
  batch_size: 4 
  optimizer {
    rms_prop_optimizer: { 
      learning_rate: { 
        exponential_decay_learning_rate {
          initial_learning_rate: 0.0001 decay_steps: 800720 decay_factor: 0.95 
        } 
      } 
      momentum_optimizer_value: 0.9 
      decay: 0.9 
      epsilon: 1.0 
    } 
  } 
}

我正在使用 Microsoft 的CustomVision.ai构建自定义视觉应用程序。

我正在使用本教程。

在对象检测项目中标记图像时，需要使用标准化坐标指定每个标记对象的区域。

我有一个 XML 文件，其中包含有关图像的注释，例如名为sample_1.jpg：

<annotation>
        <filename>sample_1.jpg</filename>
    <size>
        <width>410</width>
        <height>400</height>
        <depth>3</depth>
    </size>
    <object>
        <bndbox>
            <xmin>159</xmin>
            <ymin>15</ymin>
            <xmax>396</xmax>
            <ymax>302</ymax>
        </bndbox>
    </object>
</annotation>

我必须根据提供的教程将边界框坐标从 xmin,xmax,ymin,ymax 转换为标准化的 x,y,w,h 坐标。

谁能给我一个转换函数？

我想在 Darknet 中的 YOLOv3 中进行迁移学习，因此我想使用在 COCO 数据集上训练的 YOLOv3 预训练模型，然后在我自己的数据集上进一步训练它以检测其他对象。那么我应该采取哪些步骤呢？如何标记我的数据以便可以在暗网中使用？请帮助我，因为这是我第一次使用 Darknet 和 YOLO。

我正在使用对象检测 API 并调整 SSD 任务的参数。我的问题是指https://github.com/tensorflow/models/blob/master/research/object_detection/box_coders/faster_rcnn_box_coder.py上的框编码器。为什么将这些比例因子设置为 [10,10,5,5]？原论文没有对此进行解释。我怀疑它必须为位置误差的 4 个分量（tx、ty、tw、th）分配不同的权重，或者解决一些数值稳定性问题，但我想得到确认。谢谢

我正在学习使用 Detecron2。我已按照此链接创建自定义对象检测器。我的训练代码 -

# training Detectron2
from detectron2.engine import DefaultTrainer
from detectron2.config import get_cfg
import os

cfg = get_cfg()
cfg.merge_from_file("./detectron2_repo/configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml")
cfg.DATASETS.TRAIN = ("pedestrian",)
cfg.DATASETS.TEST = ()   # no metrics implemented for this dataset
cfg.DATALOADER.NUM_WORKERS = 2
cfg.MODEL.WEIGHTS = "detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl"  # initialize from model zoo
cfg.SOLVER.IMS_PER_BATCH = 2
cfg.SOLVER.BASE_LR = 0.02
cfg.SOLVER.MAX_ITER = 300    # 300 iterations seems good enough, but you can certainly train longer
cfg.MODEL.ROI_HEADS.BATCH_SIZE_PER_IMAGE = 128   # faster, and good enough for this dataset
cfg.MODEL.ROI_HEADS.NUM_CLASSES = …

我想按如下方式转换我的可可 JSON 文件：

带有注释的 CSV 文件应每行包含一个注释。具有多个边界框的图像应为每个边界框使用一行。请注意，像素值的索引从 0 开始。每行的预期格式为：

path/to/image.jpg,x1,y1,x2,y2,class_name

一个完整的例子：

*/data/imgs/img_001.jpg,837,346,981,456,cow 
/data/imgs/img_002.jpg,215,312,279,391,cat
/data/imgs/img_002.jpg,22,5,89,84,bird

这定义了一个包含 3 个图像的数据集：img_001.jpg包含一头牛，img_002.jpg包含一只猫和一只鸟，并且不img_003.jpg包含有趣的对象/动物。

我怎么能那样做？

我正在比较用于海上搜救 (SAR) 目的的物体检测模型。从我使用的模型中，我得到了改进版 YOLOv3 的最佳结果，用于小物体检测和 FASTER RCNN。

对于 YOLOv3，我得到了最好的 mAP@50，但是对于 FASTER RCNN，我得到了更好的所有其他指标（精度、召回率、F1 分数）。现在我想知道如何阅读它以及在这种情况下哪个模型真的更好？

我想补充一点，数据集中只有两个类：小对象和大对象。我们选择这个解决方案是因为对我们来说，对象在类别之间的区别不像检测任何人类来源的对象那么重要。

然而，小的物体并不意味着小的 GT 边界框。这些是实际面积很小的物体 - 小于 2 平方米（例如人、浮标）。大物体是面积较大的物体（小船、轮船、独木舟等）。

以下是每个类别的结果：

以及来自数据集的两个示例图像（使用 YOLOv3 检测）：

我正在使用 tensorflow 对象检测 api 版本 2 训练最多 10 个检查点的对象检测模型。使用exporter_main_v2.py没有问题的作品导出最终检查点，但是我也想导出例如检查点 3、6 和 8 以比较它们的工作方式在实际设置中。这可能吗？

我试过删除后面的检查点然后运行，exporter_main_v2.py但这会导致错误，指出events.out.tfevents文件中的事件比我尝试导出的事件晚，因此无法继续。

过去 2 个月，我一直在尝试训练对象检测模型，最终按照本教程取得了成功。

这是我的colab，其中包含我所有的工作。

问题是，显示了训练损失，并且平均减少了，但验证损失没有。

在pipeline.config文件中，我确实输入了评估 TFRecord 文件（我假设它是验证数据输入），如下所示：

评估配置{

指标集：“coco_detection_metrics”

use_moving_averages: 假

}

eval_input_reader {

label_map_path: "注释/label_map.pbtxt"

洗牌：假

num_epochs: 1

tf_record_input_reader {

输入路径：“注释/test.record”

}

}

我通读了model_main_tf2.py，它在训练时似乎没有评估，但只在提到 checkpoint_dir 时评估。

因此，我只能监控训练集上的损失，而无法监控验证集上的损失。

因此，我不知道过拟合或欠拟合。

你们中有人成功地使用 model_main_tf2.py 来查看验证损失吗？

此外，很高兴看到经过训练的 mAP 分数。

我知道 keras 培训允许在张量板上看到所有这些东西，但 OD API 似乎要困难得多。

感谢您的时间，如果您仍然对某些事情感到困惑，请告诉我。

首先这里是我的代码：

        image = cv2.imread(filePath)
        height, width, channels = image.shape
        
        # USing blob function of opencv to preprocess image
        blob = cv2.dnn.blobFromImage(image, 1 / 255.0, (416, 416),
        swapRB=True, crop=False)
        #Detecting objects
        net.setInput(blob)
        outs = net.forward(output_layers)
        
        # Showing informations on the screen
        class_ids = []
        confidences = []
        boxes = []

        for out in outs:
            for detection in out:
                scores = detection[5:]
                class_id = np.argmax(scores)
                confidence = scores[class_id]
                if confidence > 0.7:
                    # Object detected
                    center_x = int(detection[0] * width)
                    center_y = …