Python TF如何知道要微调的对象
我试图用我自己注释的大约400幅图像来改进mobilenet_v2对船只的检测,但当我冻结图形时,会继续得到一个不合适的模型(检测是随机的,实际上似乎不是检测,而是随机地放置一个推断)。我执行了20000步,损失了2.3 我想知道TF是如何知道我用我的自定义标签地图训练它的 身份证号码:1 名称:“船” 与mscoco标签地图中的船(ID为9)相同 或者,通过使用ID 1,我是否在训练模特们关于一个人是一艘船的想法Python TF如何知道要微调的对象,python,tensorflow,deep-learning,conv-neural-network,object-detection,Python,Tensorflow,Deep Learning,Conv Neural Network,Object Detection,我试图用我自己注释的大约400幅图像来改进mobilenet_v2对船只的检测,但当我冻结图形时,会继续得到一个不合适的模型(检测是随机的,实际上似乎不是检测,而是随机地放置一个推断)。我执行了20000步,损失了2.3 我想知道TF是如何知道我用我的自定义标签地图训练它的 身份证号码:1 名称:“船” 与mscoco标签地图中的船(ID为9)相同 或者,通过使用ID 1,我是否在训练模特们关于一个人是一艘船的想法 提前感谢您的建议。模型与您提供的类别标签(编号)配合使用。字符串“boat”只是
提前感谢您的建议。模型与您提供的类别标签(编号)配合使用。字符串“boat”只是为了便于阅读输出而进行的翻译 如果您有一个模型已经学会将一组40个图像识别为class
9
,那么给它一个与您坚持的class1
非常相似的图像将使其混淆。这样做会促使模型提高9
船和新1
船之间差异的重要性。如果没有显著差异,那么权重的变化将发现您不关心的意外特征
结果是模型的效率大大降低。所以我设法解决了这个问题
我们从头开始创建注释工具,无论我尝试执行多少步骤或各种修复,每次训练都会导致拟合不良的问题是在创建边界框时,没有检查xmin和ymin坐标是否小于xmax和ymax我没有检查意识到这将是一个很大的问题,但在创建一个非常简单的检查以确保坐标正确后,培训顺利进行。感谢您的回复,但我使用400个船图像,使用包含:name:“m/019jd”,ID:9,display_name:“boat”的标签地图,培训了25000个步骤。根据mscoco标签图,它没有检测到任何东西,在一个3分钟的船只视频中,它没有显示任何推断;这个
1
的ID是从哪里进入你的流程的?当运行训练管道时,你需要通过标签地图,我如下:然而,他不是在微调,而是添加了一个新的参数(mac&cheese),而我希望改进预先训练的mobilenet v2对船只的检测。好的;我将不得不把这个留给有时间阅读场外资料的人。