问题标签 [object-detection-api]

当我使用模型检查测试数据集上的 mAP 时，出现以下错误：

我检查了 test.tfrecords，每个图像都有真实边界框。我该如何解决这个问题？谢谢。

Tensorflow 对象检测 API 是一个了不起的资源和一个独特的有据可查的代码。它在对象检测方面的表现鼓励我使用这个 API 来检测类似于Poirson 等的对象姿势。人。

在 fast-rcnn 元架构的情况下，姿势检测需要添加一个新的回归层以及 bbox 分类和回归层，并修改地面实况馈送管道。

那么，有没有一种简单的方法来修改网络？还是我应该深入研究代码并进行似乎具有挑战性的适当修改？任何样本工作或指导将不胜感激。

在使用 Google 的对象检测 API 进行培训期间，是否有人试图弄乱配置文件中的 depth_multiplier 变量？据我了解，如果您更改此变量的值（默认为 1.0），您将无法利用已经提供的预训练模型进行微调。我对么？提前致谢。

我使用 Google 对象检测 API 训练自己的对象检测模型。一切正常，正在训练，像这样

但是经过一些步骤后，发生了OOM错误。

我发现这可能是由于多 GPU 训练。

我使用对象检测 API代码进行训练。我只想使用单个 GPU 进行训练。

我知道减少 BatchSize 可以解决它。但是为什么在训练开始时可以，经过一些步骤后出现OOM错误。太感谢了。

在 tensorflow Object Detection API 中，faster_rcnn_meta_arch.py​​ 中，默认设置是在“TRAINING”期间使批范数参数不可训练。代码中的注释如下

据我了解，如果我们不设置可训练的批范数参数，则均值、标准差等的初始值将始终保持不变。这对于微调来说是可以的，但对于从头开始的训练会出现问题。这对我来说没有任何意义。谁能解释一下？谢谢你。

在 Tensorflow 对象检测示例配置文件中，所有 Faster R-CNN 配置文件都禁用了正则化项

我觉得这不合理，而且很可能会过度拟合。对此类设置有任何解释吗？谢谢你。

我正在按照Dat Trans示例使用 TensorFlow 的对象检测器 API 训练我自己的对象检测器。

我成功开始训练自定义对象。我正在使用 CPU 来训练模型，但完成 100 个训练步骤大约需要 3 小时。我想我必须更改一些参数.config。

我尝试转换.ckpt为.pb，我参考了这篇文章，但我仍然无法转换

1）如何减少训练步数？
2）有没有办法转换.ckpt为.pb.

如何使用 Google 对象检测 API 的推理脚本获取生成的边界框的坐标？我知道打印 box[0][i] 返回图像中第 i 个检测的预测，但是这些返回的数字到底是什么意思？有没有办法让我得到 xmin，ymin，xmax，ymax？提前致谢。

我正在尝试新发布的用于 tensorflow 的对象检测 API。我使用了教程中的示例训练程序，即在宠物数据集上微调FRCNN-Resnet模型。仅使用一个 GPU，当我将批量大小更改为大于 1 的值（默认值为 1）时，总是会显示一条错误消息。错误消息如下所示：

InvalidArgumentError（参见上文的回溯）：ConcatOp：输入的尺寸应匹配：shape[0] = [1,750,600,3] 与 shape[1] = [1,600,804,3]

我是机器学习的初学者，我正在尝试使用自己的数据集进行自己的对象检测。但是，如果对象用多边形边界标记会更实用。然而 tensorflow 对象检测 API 只能接受边界框。

那么是否可以修改 API 使其可以接受多边形标记的数据集？