Tensorflow 快速Rcnn的TF实现。为什么可以'；我不能得到和咖啡一样的结果吗？

我试图在tensorflow上重新实现已经存在的网络，以便用于人脸/车牌检测

为此，我将caffe权重转换为npy

下面是我如何呈现的。我将转换的权重加载到其中

PS：我使用了roi_池实现

有人知道为什么我用相同的选择性搜索框测试相同的图像时不会得到相同的结果吗？我在想，这可能是一个扁平化的过程，从caffe到TF可能有所不同，也许

*编辑：

下面是我在caffe中得到的一个结果示例。而我在TF里没有汽车检测

---

您获得的准确度百分比是多少？请注意，accuray不应该相同，因为数据混乱，但它应该足够接近，差异为（约3%），可以尝试在不进行shuffing的情况下查看？无法从链接访问您的模型文件。实际上，我测试示例图像中的检测，并查看两个implems（caffe和TF）的行为。（我刚刚添加了一个图像。）如果你能发布代码会更好…你看…如果我们看不到你的代码，我们就无法做出正确的猜测…所以发布你的caffe培训模型…和或Tf培训模型或攻击文件链接我的帖子中的代码链接：我的模型：我是如何进行权重转换的caffe Tf:Roi\U池实现我使用的：原始caffe实现：我无法访问这些链接…请注销github，看看您是否也可以在不登录的情况下访问它们。。。我已登录btw