问题标签 [mobilenet]

我正在尝试使用在 imagenet 数据集上预训练的 Keras mobilenet 模型构建图像分割模型。如何进一步训练模型，我想将 U-net 层添加到现有模型中，并且只训练 u-net 架构的层，并以 mobilenet 模型帮助作为骨干。

问题：mobilenet模型的最后一层尺寸为（7x7x1024），这是一个RelU层，我想将其重新整形为（256x256x3），这可以被U-net输入层理解。

我必须在 pipeline.config 中设置一个类，我将类数更改为 1，然后我开始训练它显示错误

这很可能是由于当前图与检查点的图不匹配造成的。

请确保您没有根据检查点更改预期的图表。原始错误：

还有如何设置微调检查点？

NotFoundError（参见上面的回溯）：从检查点恢复失败。这很可能是由于检查点中缺少变量名称或其他图形键。请确保您没有根据检查点更改预期的图表。原始错误：

在检查点 [[node save/RestoreV2（定义在 /media/drive/2f08d5f1-1439-4edf-9bb4-1d19896475a5/mobilenetV3/models-master/research/object_detection/exporter. py:341) ]]

我运行的命令：

Uncaught ReferenceError当我尝试加载这个脚本时，我得到了一个，有什么建议吗？

index.html:12 Uncaught ReferenceError: mobilenet is not defined at index.html:12

我一直试图让它在安卓设备上工作一段时间，但我无法让模型进行任何检测。

我正在使用谷歌为对象检测提供的示例代码：https ://github.com/tensorflow/examples/tree/master/lite/examples/object_detection/android 并试图让它与预训练模型一起运行对于 mobilenet v3，特别是“ssd_mobilenet_v3_large_coco”中的 .tflite 文件，从此处下载：https ://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md

每当我运行模型时，它总是返回不大于 10^-15 的每个类别的置信度分数，即太低而无法构成检测。代码在旧的 mobilenet v1 模型上运行良好，由于这个模型是我唯一要更改的东西，我怀疑我一定是错误地使用了新模型。

我想知道是否有人能够成功地使用这种新模型进行对象检测，如果是的话，他们是如何做到的。这就是我现在尝试这样做的方式：

1.) 以google提供的上述示例代码为例，我将他们使用的模型替换为.tflite 文件为mobilenet v3 .tflite 模型。（并相应地更改 build.gradle 文件）

2.）我设置了 TF_OD_API_INPUT_SIZE = 320（在 DetectorActivity.java 中）

3.) 我设置了 NUM_DETECTIONS = 2034（在 TFLiteObjectDetectionAPIModel.java 中）

4.) 我使用 2 个浮点数组作为检测输出，一个用于形状 [1][NUM_DETECTIONS][91] 的检测置信度，另一个用于形状 [1][NUM_DETECTIONS][1][4] 的框

这些基本上是我所做的唯一更改。为任何建议欢呼。

我一直在尝试使用最新的 MobileNet MobileNet_v3 来运行对象检测。您可以从此处找到 Google 的预训练模型，例如我正在尝试使用的模型“ssd_mobilenet_v3_large_coco”：https ://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/ detection_model_zoo.md

我不知道这些新模型是如何获取图像数据输入的，我在网上也找不到任何关于此的深入文档。以下 java 代码总结了我如何尝试从我可以在线收集的有限数量中提供模型（特别是使用 TensorFlow Lite 的 .tflite 模型）图像数据，但该模型仅返回 10^-20 阶的预测置信度，所以它从不真正识别任何东西。我认为我一定做错了。

我正在使用 make_image_classifier python 脚本在一组新图像上重新训练 mobilenetv2。我的最终目标是在浏览器中使用 tfjs 进行预测。

这正是我正在做的事情：

第 1 步：重新训练模型

第 2 步：使用 tensorflowjs_converter 将 tf 保存的模型转换为图模型

第 3 步：在浏览器中加载新模型，预处理图像输入并要求模型进行预测

我得到无效的结果。我检查了初始模型所做的预测，它们是正确的，所以我想要么转换没有正确发生，要么我没有以与初始脚本相同的方式预处理图像。

帮助。

PS：运行转换器时，我收到以下消息。不确定它是否与我所经历的直接相关。

tensorflow/core/graph/graph_constructor.cc:750 节点“StatefulPartitionedCall”有 71 个输出，但 _output_shapes 属性指定了 605 个输出的形状。输出形状可能不准确。

我已经在自定义数据集上为单个对象检测任务训练了一个移动 SSD V2 模型，并将其转换为 tflite。当我使用解释器加载 .tflite 模型进行测试并使用 : 获取输入详细信息input_details = model.get_input_details()时，它会输出

我知道“300x300”是图像的高度和宽度，“3”用于 RGB 通道，但第一个元素（“1”）指的是什么？

我正在尝试使用 tensorflow api 检测字段中的万寿菊。我已经尝试过使用 faster_rcnn_inception 模型，该模型运行良好，但我计划在 raspi4 上运行检测，因此它太重了。

所以我尝试了 ssd_mobilenet_v2_coco。在训练中一切正常，它几乎可以检测到每一朵花，但是当我尝试在同一张图像上使用导出的推理图时，它什么也没检测到。

在张量板训练期间检测到的花朵

用于推理的代码：

我试图使用 p5 和 ml5 添加图像在我的网站中，用户可以在那里训练自己的图像并通过网络摄像头获得预测输出我尝试使用

但是对于每张图片，我都需要按下鼠标按钮来插入我只想让它像这样