Tensorflow目标检测API-“;“微调”;vs";“检测”;vs";分类“;
我将学习本教程: 其中,文件Tensorflow目标检测API-“;“微调”;vs";“检测”;vs";分类“;,tensorflow,tensorflow2.0,object-detection,object-detection-api,Tensorflow,Tensorflow2.0,Object Detection,Object Detection Api,我将学习本教程: 其中,文件pipeline.config中有以下代码段: fine_tune_checkpoint_type: "detection" # Set this to "detection" since we want to be training the full detection model 进一步调查得出以下发现: 字段微调检查点类型-微调,检测和分类 并非来自“允许所有选项”的所有模型 我的问题是: 在此上下文中,微调、检测
pipeline.config
中有以下代码段:
fine_tune_checkpoint_type: "detection" # Set this to "detection" since we want to be training the full detection model
进一步调查得出以下发现:
- 字段
-微调检查点类型
,微调
和检测
分类
- 并非来自“允许所有选项”的所有模型
- 在此上下文中,
、微调
和检测
中的每一项都意味着什么,更重要的是,何时适合使用每一项分类
- 如何判断哪些选项与模型动物园中的模型兼容
最后,我希望进行转移学习-例如,采用一个现有的经过培训的模型,并训练它为一个或多个新类绘制方框。这些选项指示如何恢复检查点,并来自 我在这里复制了有趣的部分: 此选项控制如何从(预先训练的)微调检查点恢复变量。对于TF2模型,支持3种不同的类型:
我想现在用“全音”取代了“全音”。根据您的需要,正确的选择似乎是“检测”。要知道哪些型号支持wich选项,如上所述,您必须查看相应的
/meta\u架构/*meta\u arch.py文件中的restore\u from\u对象
函数定义,谢谢您的回复。我对model zoo的CenterNet Resnet50 V1 FPN 512x512感兴趣。我假设这意味着我需要查看文件center\u net\u meta\u arch.py
。根据功能从对象还原
,作为一个选项,它应该支持检测。你同意我的假设和结论吗?当我尝试使用检测时,我遇到了一个错误,但如果你认为它应该起作用,我会提出一个新问题。应该如你所说。。试着打开一个新的问题,我来看看这里添加了一个新的问题:这个问题解决了吗?如果是,请为将来的读者做标记。