Python 张量流训练模型速度

我是一个Tensorflow新手，我正在尝试训练一个用于目标检测的1类模型。特别是，我试图识别一个箭头，如下所示：

我需要一个非常快速的识别，所以我开始怀疑一个预先训练过的模型是否可以包含这样的形状。 不幸的是，我没有发现任何类似的东西，因此我开始用我自己的箭训练，使用更快的箭作为模型

我在使用他的管道配置，我也在使用他的微调检查点，考虑到我必须训练一个完全不同的对象，这是正确的吗

结果是训练精度很高，但速度很慢。我需要提高帧率，但我还不知道训练损失越小，目标识别速度是否越快

有没有关于如何加快检测速度的建议

我用的是他的管道配置，我用的是他的微调检查点 还有，考虑到我必须训练一个完整的团队，这是正确的吗 不同的对象

对!！每次要更改深度NN的输出时，都应该采用预训练模型。从头开始训练一个模型可能需要几周的时间，你永远无法自己生成足够的数据。采用预训练模型并对其进行微调是一条可行之路

我还不明白，如果 训练损失越小，目标识别就越多 速度，或不是

不。训练损失只是告诉你模型相对于训练集的表现有多好

你面临的问题是一个经典的速度与准确性的权衡。我鼓励您查看并找到一个对您来说足够快的模型，即运行时间最低但具有相当的准确性。我会先在这里检查SSD

结果是训练精度很高，但速度很慢

您的算法执行多少FPS？ 既然您已经准备好了数据集，我建议使用Tiny Yolo，它在COCO数据集上执行244 FPS

如果您使用此选项，为Tiny Yolo准备训练数据集非常容易

及

我还不明白，如果训练损失越少，目标识别速度就越快

---

训练失败与速度无关

我想到的第一件事是：对于识别普通箭头的任务来说，更快的RCNN模型可能是一种过火的行为。也许可以尝试像YOLO或SSD“单点探测器”这样的实时对象检测模型。如果您不必使用神经网络，您也可以考虑使用OpenCV的HAAR级联分类器这样简单的方法，这应该足以识别简单的形状。谢谢，你认为OpenCV HCC会在不同的位置检测到箭头吗？最后的需要是跟随机器人进入太空。我将把箭头贴在机器人的头部，并将摄像机放置在3米高度45°的位置，我需要识别箭头并跟踪机器人的运动。你有更好的解决方案吗？所以你不仅有检测问题，而且你还想检测旋转。不确定更快的RCNN是否能够做到这一点，但它可能足以跟踪机器人的位置并从其相对运动估计方向。例如，易于识别的形状是AprilTags[]或类似代码。它们易于识别，可以包含方向信息。此外，许多语言都有强大的库。如果您想自己设计形状，使用两种颜色进行方向检测可能会有所帮助：一端带有红点的黄线可能比单色箭头更容易。对不起，我从未使用过AprilTags，也不知道其检测细节。这只是我脑海中的一个想法。但我想谷歌还有一些关于检测率的研究有待发现：我想你的图像中代表一位aprilTag的像素数是至关重要的。谢谢你，我现在正在尝试更快的ssdlite_mobilenet_v2_coco_2018_05_09。我在pipeline.config中编辑了num_classes值，将其设置为1，因为我只需要识别箭头，这是否正确？您还需要一些负面示例。如果创建了数据集，则需要包含一些非箭头所示的图像。所以基本上你需要有两个类：arrow¬ arrow。到目前为止，有了1个类和ssdlite mobilnet v2，我有：损耗=2.5471618，阶跃=666…损耗这么高是正常的吗？你看到的数字，嗯，并不意味着很多。重要的是，训练损失和验证损失都在减少！。