问题标签 [faster-rcnn]

我目前正在尝试使用带有 python 的 Tensorflow 对象检测 API 构建一个对象检测器。我已按照此处和此处faster-rcnn model发布的说明设法重新培训

但是，据我所知，培训时间相当长。我知道我使用的是迁移学习，而不是从头开始训练更快的 rcnn 模型。我想知道是否有办法下载未经训练的 fast-rcnn 模型并从头开始（端到端）进行训练，而不必求助于迁移学习。

我熟悉迁移学习的优点，但是，我的对象检测器旨在快速训练、范围狭窄，并且训练的是字母而不是对象，所以我不认为迁移学习是最好的途径。

我相信解决这个问题将与pipeline.config文件有关，特别是在这部分：

但我不确定如何指定没有fine_tune_checkpoint

给定一个维度的特征图MxNxC（例如，来自 Faster-RCNN 的预测感兴趣区域的输出），如何将空间维度减少到1x1xC? 即，将特征图减少为总结区域特征的向量之类的量？

我知道1x1卷积，但这似乎与减少通道的情况有关。Average 和 Max Pooling 也很常用，但是这些方法似乎更适合不太极端的二次采样情况。

显然，人们可以简单地计算空间维度上的平均值，但这似乎相当粗糙。

我对用于训练目的的 MaskRCNN 图像有一点疑问。MRCNN 是否只使用 8 位图像进行训练？如果它拍摄任何 16 位或 32 位图像，它将如何通过培训帮助我们？通常可视化发生在 8 位图像上。如果它处理 16 位，它将如何帮助分类和映射，我有一个难题。

我找到了 SSD Multibox-loss 函数的一些表达式，如下所示：

multibox_loss = confidence_loss + alpha * location_loss

有人可以解释这些术语的解释是什么吗？

我正在尝试为我的项目实施 Mask R-CNN。我一直在尝试从图像中检测摩托车。我已经使用 supervise.ly https://supervise.ly对图像进行了注释。在代码进行各种更改后，错误文件“skimage/draw/_draw.pyx”，第 217 行，在 skimage.draw._draw._polygon OverflowError: Python int too large to convert to C ssize_t

显示

注释如下：

我被这些图像困住了。要么我必须重新开始并手动注释许多图像。或者我可以监督使用，这在注释中非常有用。我猜罪魁祸首是数据集类。

我希望模型能够获取图像并开始训练这些图像。谢谢您的帮助。

我正在根据本教程使用 PyTorch 微调 Faster-RCNN：https ://pytorch.org/tutorials/intermediate/torchvision_tutorial.html

结果非常好，但只有在向模型提供单个张量时才能进行预测。例如：

但是当我一次输入多个张量时，我得到了这个错误：

编辑

在提供 3D 张量列表时工作（IMO 这种行为有点奇怪，我不明白为什么它不适用于 4D 张量）：

我正在使用更快的 rcnn 模型来运行一些对象检测。我使用的包装器是胶子，代码如下：

我的问题是，是否可以减小 net(x) 返回的数组的大小，从而有效地加快计算速度？

问题是该模型将 box_ids、scores 和 bboxes 生成为具有 80000 个元素的数组 - 只有前 10 个元素有用，其余的得分为 -1。我稍后尝试使用 asnumpy() 将这些数组转换为 numpy 数组，但是，mxnet 使用异步引擎，并且该函数必须等待计算结束才能执行。80000 个元素的计算需要更长的时间（5 秒 +），因此我试图减小数组大小（SSD 模型输出大约 6000 个元素并且速度更快）。

如果您有其他关于如何使 .asnumpy() 更快的解决方案，这些也是受欢迎的 - 基本上，一张图像的传递需要 5 秒，这似乎不合理，所以我正在寻找将它减少到 ~0.2 秒（这似乎更合适吧？）

谢谢！

我正在尝试在2DMOT 挑战赛 2015行业中使用的标准数据集上评估我的对象检测+跟踪的性能。我已下载数据集，但无法理解标记的地面实况数据中的数据字段。

我已经理解了数据集的前六列，但对于其余四列却无法理解。以下是目录 <\2DMOT2015\train\ETH-Bahnhof\gt> 中的示例数据：

如果您知道这一点，请告诉我？

我正在训练一个基于 tensorflow 和 keras的mask-r-cnn 网络。我正在寻找一种减少训练时间的方法，所以我想用 tensorflow-distributed 来实现它。

我一直在使用 mask-r-cnn 一段时间，但似乎我正在尝试做的事情需要我修改 mask-r-cnn 的源代码，这超出了我目前的技能。

所以，我的问题是，有人做过，或者类似的事情吗？有没有可能，或者我误解了tensorflow-distributed的使用。

提前谢谢。

我正在尝试为我自己的数据集实现掩码 rcnn，但找不到有关包含用于验证的图像的 val 文件夹的注释的任何信息。我使用 Via 2.0.8 为我的训练集创建了 json 注释，这很有意义。但是如果验证图像是稍后要测试的图像，那么为什么要为它们进行注释。如果没有 val 文件夹中的 json 文件，我将无法训练我的模块。

我试图将用于训练图像的 json 注释复制到验证文件夹中。我认为它是工作人员，但这意味着我在训练和验证中应该有相同数量的图像，并且名称也相同。