1

我正在尝试在 TensorFlow 中训练 CNN，以通过使用回归输出文本周围的边界框来执行图像中的文本定位。我通过将 IIIT 5K-Word 数据集中的图像粘贴到不包含文本的各种图像上创建了一个自定义数据集，并以 [pos_x, pos_y, width, height] 的形式为每个图像中的边界框创建了标签。每个图像仅包含一个文本，因此网络只需要预测每个图像的一个边界框。例如：

在此处输入图像描述

从l2loss和blog我得到的印象是 tensorflow 的 l2_loss 可能非常适合这项任务。然而，我的损失表现得非常奇怪，它以周期性模式振荡。仅仅因为超参数选择不当看起来太奇怪了，我怀疑我计算损失的方式有问题（例如下面）。除了 YOLO 和 R-CNN 等更复杂的模型之外，我还没有找到太多关于对象检测实现的信息。

这是我的模型：

# create_batches returns an iterator containing 
(images[i:i+batch_size],labels[i:i+batch_size])
# Each image has size (128, 128, 3) and each label (1,4)

dataset = tf.data.Dataset.from_generator(create_batches, (tf.float32, tf.int64), ([None, 128, 128, 3], [None, 4])).repeat()
iterator = dataset.make_one_shot_iterator()
XX, y_ = iterator.get_next()

# Define Model
# 1. Define Variables and Placeholders
# Convolutional Layers
W_conv1 = tf.Variable(tf.truncated_normal([5, 5, 3, 4], stddev=0.1))
b_conv1 = tf.Variable(tf.constant(0.1, shape=[4]))
W_conv2 = tf.Variable(tf.truncated_normal([5, 5, 4, 8], stddev=0.1))
b_conv2 = tf.Variable(tf.constant(0.1, shape=[8]))
W_conv3 = tf.Variable(tf.truncated_normal([5, 5, 8, 16], stddev=0.1))
b_conv3 = tf.Variable(tf.constant(0.1, shape=[16]))

# Densely Connected Layer
W1 = tf.Variable(tf.truncated_normal([409600,200], stddev=0.1))
b1 = tf.Variable(tf.zeros([200]))

# Output Layer
W5 = tf.Variable(tf.zeros([200,4]))   #truncated_normal([30,10], stddev=0.1))
b5 = tf.Variable(tf.zeros([4]))

#Conv. layers
y1conv = tf.nn.relu(tf.nn.conv2d(XX, W_conv1, strides=[1, 2, 2, 1], padding='SAME')+b_conv1)
y2conv = tf.nn.relu(tf.nn.conv2d(y1conv, W_conv2, strides=[1, 2, 2, 1], padding='SAME')+b_conv2)
y3conv = tf.nn.relu(tf.nn.conv2d(y2conv, W_conv3, strides=[1, 2, 2, 1], padding='SAME')+b_conv3)

# Re-shape output from conv-layers
conved_input = tf.reshape(y3conv, [-1, 409600]) 
y4 = tf.nn.relu(tf.matmul(conved_input, W1) + b1)
y = tf.nn.softmax(tf.matmul(y4, W5) + b5)

# 3. Define the loss function  
y_fl = tf.to_float(y_)
diff = tf.subtract(y_fl,y)
loss = tf.nn.l2_loss(diff)

# 4. Define an optimizer
train_step = tf.train.AdamOptimizer(0.005).minimize(loss)

# initialize
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

训练 20 个 epoch 后，损失如下所示：

失利

我尝试将损失更改为 tf.reduce_mean(tf.nn.l2_loss(diff)) 以获得批次的平均误差，但它产生了相同类型的图。我如何计算批次的损失是否存在明显错误？

4

0 回答 0