问题标签 [mobilenet]

我使用 AWS SageMaker 训练了一个 MobileNet v1 SSD 模型，它训练得很好。我有一个 export/Servo/xxx/saved_graph（从检查点派生的 tflite 模型在物联网设备上完美运行。）在 SageMaker 上部署的模型作为端点没有问题。我的问题是，我不知道如何将图像输入模型端点。（这大概与询问如何将数据输入服务模型相同？）

当我查询模型（如下）时，我看到输入签名是“serialized_example”。所以，我假设我需要一个序列化的例子。这就是我缺乏天赋的地方。

我需要帮助了解如何将 jpg 文件转换为序列化示例。或者我如何使用 tfrecord。

产量（我省略了输出）：

我有一个数据集，但不知道如何获得正确的课程 -

如果我枚举解码的数据集，我如何将数据输入我的模型？

我正在使用 MobileNet 和 TensorFlow 2 来区分 4 个非常相似的玩具。每个玩具我正好有 750 张图片，一个标签包含 750 张“负面”图片，没有任何玩具。

我之前使用过 MobileNet 并取得了相当大的成功，但是关于这种情况的某些事情导致了很多过度拟合（训练/验证准确度之间存在约 30-40% 的差异）。该模型在 3 个 epoch 内很快训练到大约 99.8% 的训练准确度，但验证准确度停留在 75% 左右。验证数据集是 20% 的输入图像的随机集。在查看模型的准确性时，人们对其中一个玩具有很大的偏见，而许多其他玩具被错误地识别为该玩具。

我已经尝试了几乎所有的方法来解决这个问题：

我在添加到 MobileNet 顶部的 Conv2D 层之后添加了 Dropout，并尝试了 0.2 到 0.9 之间的各种丢弃率。

我在 Conv2D 层之前添加了一个额外的 Dropout 层，这似乎稍微改善了一些事情：

我还添加了更多测试数据，尝试在各种照明条件和背景下混合玩具照片，并生成叠加在随机背景上的玩具图像。这些都没有显着影响。

我应该将 dropout 添加到 MobileNet 模型中，而不仅仅是添加到我在它之后添加的层吗？我在 github 上遇到了这样的代码，但我不知道这是否真的是一个好主意 - 或者不知道如何使用 TensorFlow 2 来实现这一点。

这是明智的，还是可行的？

或者，我能想到的唯一其他想法是：

• 捕获更多图像，以使训练更加困难 - 但我认为每个项目 750 应该足以做得很好。
• 不要使用 MobileNet，从头开始创建神经网络或使用另一个预先存在的网络。

我正在用20k图像训练我的分类器，但每周我都会得到更多新图片，所以我想逐步训练我以前的模型（最后停止的迭代），而不是再次在所有图像上重新训练20k+new_images，这是浪费时间和计算

我想出了用 Yolo 进行增量训练，但似乎找不到任何在这里实现的 MobileNet-SSD caffe https://github.com/chuanqi305/MobileNet-SSD

要了解有关我在说什么的更多信息，请参阅： 如何在 yolov3.weights 的基础上进行增量训练并回答此处提及的内容：

我开始使用 Tensorflow/Deeplab 学习 ML。我尝试使用带有 mobilenet_v2 模型变体的语义分割从头开始训练我自己的衣服识别模型。但我没有得到结果。

我正在使用tensorflow/models进行 tfrecord 导出和训练。以及用于可视化和测试目的的deeplab/示例代码（在本地重命名为 main.py），我修改了一些行，以便获得本地模型和测试图像。

我将展示我遵循的过程：

1. 下载 100 张 JPEG 图像（我知道不是很大，但我想我可以试试这个数量）。仅适用于 1 级 -> 衬衫
2. 为每个图像创建分割类 PNG。
3. 为以下文件创建图像集定义：train（85 个文件名）、trainval（100 个文件名）和 val（15 个文件名）。
   所以我的“pascal dataset”目录有：ImageSets、JPEGImages 和 SegmentationClassPNG 文件夹。

4. 像这样将“pascal dataset”目录导出到 tfrecord（我在“models-master/research/deeplab/datasets”文件夹中）：

   • 这很好用，它会在“train/tfrecord”上生成 *.tfrecord 文件

5. 我像这样编辑了“models-master/research/deeplab/data_generator.py”：{'train': 85, 'trainval': 100, 'val': 15}, num_classes=2。

6. 现在是时候开始训练了（我在“models-master/research/deeplab”）。我用了10000步，为什么？我用 30000 证明了大约 30 个小时没有结果，所以我用新的参数来减少它。我想 10000 步可以告诉我一些东西：
   • 这一步需要将近 8 个小时（有一个很小的 ​​GPU，所以.. 不能使用它），它会生成检查点、graph.pbtxt 和 model.ckpt-XXX（包括 10000 个）文件。
7. 我用（我在“models-master/research/deeplab”）这个命令行导出了之前的结果：
   • 它创建冻结图 (frozen_inference_graph.pb)。
8. 现在运行：py main.py（证明图像和frozen_inference_graph.pb已经导入）
9. 我的自定义模型没有结果。最后一个脚本适用于预先训练的 mobilenetv2_coco_voc_trainaug。不适用于我的自定义模型

data_generator.py（编辑行）：

我用于训练的图像示例（1/100）（我使用了labelMe实用程序）：
shirt_001.jpg
shirt_001.png

mobilenetv2_coco_voc_trainaug 的 main.py 结果（作为一个人的衬衫，没关系）和我的自定义模型：
mobilenetv2_coco_voc_trainaug 结果
我的自定义模型结果

如您所见，我的模型失败了。我一直在测试许多组合但没有成功。我应该怎么办？谢谢！

当我尝试保存我的 MobileNet 模型时出现此错误。

我正在使用回调来保存：

我的型号代码：

我通过替换代码解决了这个问题：

使用代码：

I have code from pyimagesearch "https://www.pyimagesearch.com/2017/09/18/real-time-object-detection-with-deep-learning-and-opencv/#comment-550946" for object detection using caffe model. What I want to do is whenever a person is detected it should count and finally I want to count the number of person passed .

I have tried something but it incrementing the count for every frame, even if the person is same and appeared in multiple frames , it is counting in all the frames.

Actually what I want is whenever a person comes it should count one and when the next person comes it should count 2 like that the counting process should continue.

我是 Tensorflow 的新手，我正在尝试转换pb，tflite但是当我使用这个命令时

我收到这个错误

请帮我。

我想训练一个模型能够对图像中的 16 个数字进行分类，数字的数量是常数。所以我像这些图像一样创建我的数据集（在 SUN 数据集背景上打印具有不同字体和大小的随机 16 个数字）：

我的训练数据集大约有 3000 张图像和 600 张用于验证的图像。

所以我想使用 MobileNetV1 作为特征提取器，并为每个数字连接到 16 个 softmax 输出层。

这是我创建模型的代码片段

所以我的数据集图片大小是（650,65），训练张量形状是（3000,650,65,3），归一化值在-1和1之间

我的火车标签是一个热张量的 16 个数组，形状为 (16,3000,10)

我的模型编译成功并开始训练，但我的损失和 val_loss 在时期没有得到改善。

基本上我想创建像这张图片这样的模型，因为这个模型在这个数字分类问题上效果很好。

该模型架构的顶部类似于 MobileNetV1，输入是调整大小和归一化块。

我曾尝试使用https://github.com/tensorflow/models/tree/master/research/slim中提到的 cifar10 数据集训练 mobilenetV2唯一的变化是我在 CPU 上完成了它，但我最终只获得了 63% 的准确度，但声明准确率为 94%

我想在 CIFAR-100 上从头开始训练 MobileNetV2，我得到以下结果，它在一段时间后停止学习。

这是我的代码。我希望看到至少 60-70% 的验证准确率，我想知道我是否必须在 imagenet 上对其进行预训练，还是因为 CIFAR100 只有 32x32x3？由于一些限制，我使用 Keras 2.2.4 和 tensorflow 1.12.0。