Neural network 仅针对单个对象的对象检测_Neural Network_Computer Vision

Neural network 仅针对单个对象的对象检测

neural-network computer-vision

Neural network 仅针对单个对象的对象检测,neural-network,computer-vision,Neural Network,Computer Vision,我一直在研究目标检测。但是这些方法由非常深的神经网络组成，需要大量的内存来存储训练过的模型。我曾经试着训练一个面具R-CNN模型，重量需要200 MB 然而，我的重点是只检测单个对象。所以，我想这些方法是不合适的。是否有任何对象检测方法可以在低内存需求的情况下完成此工作？您可以尝试SSD或更快的RCNN，它们在Tensorflow对象检测API中很容易获得在这里，您可以获得预先训练的模型和配置文件根据您的要求，您可以通过查看速度和地图（精度）栏来选择您的型号。根据mukul的回答，我特别建

我一直在研究目标检测。但是这些方法由非常深的神经网络组成，需要大量的内存来存储训练过的模型。我曾经试着训练一个面具R-CNN模型，重量需要200 MB

然而，我的重点是只检测单个对象。所以，我想这些方法是不合适的。是否有任何对象检测方法可以在低内存需求的情况下完成此工作？

您可以尝试SSD或更快的RCNN，它们在Tensorflow对象检测API中很容易获得

在这里，您可以获得预先训练的模型和配置文件

根据您的要求，您可以通过查看速度和地图（精度）栏来选择您的型号。

根据mukul的回答，我特别建议您查看SSDLite-MobileNetV2。这是一个轻量级的模型，它仍然有足够的表现力以获得良好的效果。特别是当您将自己限制为单个类时，正如您在中的FaceSSD-MobileNetV2示例中所看到的（请注意，这是普通SSD）。因此，您可以简单地使用相应的，并为单个类修改它。这意味着将

num_classes

更改为1，修改label_map.pbtxt，当然，还需要使用所需的单个类准备数据集

如果您想要一个更健壮的模型，但没有预先训练的模式，您可以使用FPN版本。使用MobileNet v1检查此项，并根据您的需要进行修改（例如切换到MobileNet v2，切换到使用深度，等等）。一方面，没有预先训练的检测模型，但另一方面，检测头在所有（相关）尺度上是共享的，因此训练起来比较容易。

因此，只需从相应的分类检查点对其进行微调。

StackOverflow更多关于编程问题，请访问本教程，因此，您应该转到：