Neural network 如何在自定义图像上测试cntk对象检测示例？

我试图在PascalVoc预训练数据集上运行CNTK对象检测示例。我在fastrcnn中运行所有必需的脚本，并获得dataset中定义的测试数据的可视化输出。现在我想在我自己的图像上测试网络，我该怎么做？

对于Fast R-CNN，您需要一个库，为您的测试图像生成候选ROI（感兴趣区域），例如

如果要评估一批图像，可以按照中的描述生成测试映射文件和ROI坐标（请参见相应的

proc

子文件夹中的

test.txt

和

test.rois.txt

）。如果要评估单个图像，需要将图像和候选ROI坐标作为输入传递给cntk eval，类似于：

---

对于FastRCNN，您需要首先通过选择性搜索算法运行自定义图像以生成ROI（感兴趣区域），然后使用如下内容将其提供给您的模型：

output=frcn\u eval.eval（{image\u input:image\u file，roi\u propositions:roi\u propositions}）

您可以在此处找到更多详细信息：

无论如何，FastRCNN不是最有效的方法，因为使用了选择性搜索（这是一个真正的瓶颈）。如果您想提高性能，您可以尝试FasterRCNN，因为它摆脱了SS算法，并将其替换为性能更好的区域建议网络。

---

如果您感兴趣，可以在GitHub上查看我的回购协议：

你好，卡罗尔，请具体回答您的问题。试着把注意力集中在你感兴趣的话题上，并在问题中提供你工作的一部分，因为链接可能会随着时间的推移而改变。如果您遇到技术问题，请描述预期结果、实际结果以及您如何尝试解决它。集中在一个问题上的问题有更好的机会得到好的答案。

# compute model output 
arguments = {loaded_model.arguments[0]: [hwc_format]} 
output = loaded_model.eval(arguments)