1

我正在尝试向 tensorflow 对象检测模型中的 ms_coco_model （有 90 个类）添加一个新类并运行相同的训练集。我正在使用预训练模型检查点：“ssd_mobilenet_v1_coco_checkpoint”来加快训练步骤。

我关注了博客https://towardsdatascience.com/how-to-train-your-own-object-detector-with-tensorflows-object-detector-api-bec72ecfe1d9，这非常有效。因为它仅在 .pbtxt 文件中具有 1 个类的 racoon 数据集上运行训练步骤。输出与预期一致，并且能够“仅”检测给定输入文件中的浣熊。

我想要实现的是，能够检测给定输入文件中的浣熊以及其他对象。我遵循以下方法：

  1. 将 raccoon 注释 .xml 转换为 .json 格式（与 ms_coco 数据集相同）
  2. 向 ms_coco 图像和注释文件添加了 raccoon 图像和注释
  3. 运行 create_tfrecord 脚本为组合的 ms_coco + raccoon 数据生成 tfrecord，用于训练步骤
  4. 更新了 .pbtxt 文件并添加了 id: 91 的 raccoon 类
  5. 使用预训练模型 ssd_mobilenet_v1_coco_checkpoint 开始训练步骤

但即使在训练了大约 2k 步之后，我也无法达到预期的输出。

这种方法将新的类数据添加到现有数据模型中是否正确？我在这里想念什么吗？

4

0 回答 0