问题标签 [object-detection-api]

错误 2017-11-23 18:39:51 -0800 服务副本工作者 2 以非零状态 1 退出。终止原因：错误。

错误 2017-11-23 18:39:51 -0800 服务回溯（最后一次通话）：

错误 2017-11-23 18:39:51 -0800 服务文件“/usr/lib/python2.7/runpy.py”，第 162 行，在 _run_module_as_main 错误 2017-11-23 18:39:51 -0800 服务“主"，fname，加载程序，pkg_name)

错误 2017-11-23 18:39:51 -0800 服务文件“/usr/lib/python2.7/runpy.py”，第 72 行，在 _run_code

错误 2017-11-23 18:39:51 -0800 run_globals 中的服务执行代码

错误 2017-11-23 18:39:51 -0800 服务文件“/root/.local/lib/python2.7/site-packages/object_detection/train.py”，第 49 行，在

错误 2017-11-23 18:39:51 -0800 来自 object_detection 导入培训师的服务

错误 2017-11-23 18:39:51 -0800 服务文件“/root/.local/lib/python2.7/site-packages/object_detection/trainer.py”，第 27 行，在

错误 2017-11-23 18:39:51 -0800 来自 object_detection.builders 的服务导入 preprocessor_builder

错误 2017-11-23 18:39:51 -0800 服务文件“/root/.local/lib/python2.7/site-packages/object_detection/builders/preprocessor_builder.py”，第 21 行，在

错误 2017-11-23 18:39:51 -0800 来自 object_detection.protos 的服务导入 preprocessor_pb2

错误 2017-11-23 18:39:51 -0800 服务文件“/root/.local/lib/python2.7/site-packages/object_detection/protos/preprocessor_pb2.py”，第 71 行，在

错误 2017-11-23 18:39:51 -0800 服务选项=无，文件=描述符），

ERROR 2017-11-23 18:39:51 -0800 service TypeError: new () got an unexpected keyword argument 'file'

使用protobuf (3.5.0.post1)

但是当我在本地运行 taining 时，没有错误！

如何减少 Google 的对象检测 API 提供的基于更快 rcnn 的模型的提案数量。我的意思是，配置文件中是否有一个变量，指向提案的数量，我可以修改它以减少提案的数量？提前感谢您的帮助。

我成功地在我自己的数据集上训练了一个模型，导出了推理图并对我的测试数据集进行了推理。

我现在有

• 检测作为 tfrecord 文件，在输入配置中指定
• 具有指定指标集的 eval_config 文件

当我尝试计算新的对象检测器推断和评估度量计算教程中的度量时

它返回此 AttributeError：

有什么提示吗？

我正在训练一些更快的 rcnn 模型，在我自己的数据集上只有一个类。训练进行得很好，但是当我导出模型进行推理并尝试在 android 示例应用程序（TF Detect）上使用它时，我得到了以下异常：

11-28 10:56:27.002 15666 16593 E AndroidRuntime: 致命异常: 推断 11-28 10:56:27.002 15666 16593 E AndroidRuntime: Process: org.tensorflow.demo, PID: 15666 11-28 10:56:27.002 1566 16593 E AndroidRuntime: java.nio.BufferOverflowException 11-28 10:56:27.002 15666 16593 E AndroidRuntime: 在 java.nio.HeapFloatBuffer.put(HeapFloatBuffer.java:179) 11-28 10:56:27.002 15666 16593 E AndroidRuntime:在 org.tensorflow.Tensor.writeTo(Tensor.java:488) 11-28 10:56:27.002 15666 16593 E AndroidRuntime: 在 org.tensorflow.contrib.android.TensorFlowInferenceInterface.fetch(TensorFlowInferenceInterface.java:478) 11-28 10:56:27.002 15666 16593 E AndroidRuntime: 在 org.tensorflow.contrib.android.TensorFlowInferenceInterface.fetch(TensorFlowInferenceInterface.java:432) 11-28 10:56:27.002 15666 16593 E AndroidRuntime: 在 org.tensorflow.demo。TensorFlowObjectDetectionAPIModel.recognizeImage(TensorFlowObjectDetectionAPIModel.java:167)

在 TensorFlowObjectDetectionAPIModel 类的以下代码行中：

inferenceInterface.fetch(outputNames[0], outputLocations);

我尝试了这两个模型：

fast_rcnn_resnet101_pets faster_rcnn_inception_v2_pets

您对导致此异常的原因有任何想法吗？

问候，

我正在关注本教程：https : //pythonprogramming.net/introduction-use-tensorflow-object-detection-api-tutorial/ 对我自己的数据集进行对象检测并微调预训练模型。

当我运行这个命令时：

我收到此错误：

删除这个论点并不能解决这个问题。

我正在使用 macosx 10.12.6 - 塞拉

有什么帮助吗？

任务：

我正在尝试将通过 Tensorflow 对象检测 API 训练和导出的模型集成到一个更大的图形中，该图形会将模型结果转换为检测掩码；本质上是与输入图像具有相同（高度 x 宽度）尺寸的 float32 张量，其中每个值反映了模型对相应像素位于检测到的对象的边界框内的置信度。这与分割网络的输出非常相似，除了我要查找的输出不是维度（高度 x 宽度 x num_classes），而是维度（高度 x 宽度），好像只有一个类被检测。我想完全在 Tensorflow 图中完成此操作。

我如何尝试完成它：

我正在尝试使用 tf.boolean_mask() 和 tf.foldl() 从检测模型返回的框边界增量构建掩码。请注意，在此示例中，掩码值是二进制的；为了让问题保持简单，我取出了通过检测置信度来衡量结果的代码。

问题：

我认为 Tensorflow 遇到了模型返回的未知数量的框的问题。这是尝试使用此图表的结果：

这是对 tf.boolean_mask() 的抱怨。如您所见，在运行时我根本无法获取模型输出尺寸。tf.boolean_mask() 与 tf.constants 作为输入一起工作得很好，所以这让我得出结论，这种方法可能存在一些基本问题。

有没有办法使这种方法起作用？如果不是，那么构建我正在寻找的掩码结果的正确方法是什么？

我正在使用 tensorflow 和对象检测 api。我想在测试图像中打印对象的边界框位置。这一行向您展示了 vis_util.visualize_boxes_and_labels_on_image_array ：

我想查看“盒子”内部，因为我猜“盒子”可能是存储边界框的位置。所以，我将“盒子”转换为列表，但是当我在 cmd 上打印它时，它太复杂了。

对此有什么想法吗？

我在 tensorflow 中使用 CNN 构建了模型，准确率超过 90%。它确实有效，但我不知道如何使用这个模型来检测带有我训练过的边界框的对象。我的模型包括许多类，并且曾经与类名称相关联的标签。我读过一些关于 ssd 的方法，它可以做到这一点，但我真的不明白它是如何工作的。下面是我的 CNN：

我用 main 运行我的应用程序：

如果您想查看，这是完整的代码：

另外，我看过视频，我认为它可以帮助我。但他们只是帮助我训练单个对象。有什么想法可以帮助我吗？

我可以使用 tensorflow 对象检测 API 进行性别识别吗？我想训练 SSD_mobile 网络进行性别识别和检测。我将标签映射更改为：

和 num_classes=2 我附加到 training_loss=8 但是当我将图像输入网络进行测试时，结果很糟糕。我该怎么办？有人可以帮助我吗？

我正在评估 tensorflow 对象检测 API。我查看了在 Internet 上找到的几篇文章，我能够成功地训练模型并评估对象检测。

当我开始训练时，大约有 100 张图像被标记。我想在 TFrecord 中添加两个或三个新闻图像。添加这些图像后，我应该删除我的 model_output 目录并启动 train.py 还是可以在现有检查点之上执行此操作？