Tensorflow 对象检测API-如何创建一组训练？

我已经创建了一个用于分类（每个图像的平均预测数）或语义分割（每个像素的平均预测数）的集合，但我真的不知道如何进行对象检测。。我的猜测是提取我所有网络的所有区域建议，然后在其中最好的X上运行分类器，最后对所有边界框的预测进行平均。但是，我应该如何使用以下架构实现这一点

---

我想可以使用

extract\u proposal\u features

提取区域提案，然后重新插入到模型中，但我看到的唯一方法是使用自己的

predict

方法创建一个完整的新模型，处理我的集合中的所有模型。我是否错过了另一个明显的/更简单的方法？

这是基本的想法，是的（Resnet的论文很好地解释了如何实现更快的R-CNN）。不幸的是，我们还没有发布代码来自动化这个加密过程（也没有任何计划）。当然有可能；您必须自己手动设置。

澄清一件事。那么你已经有了一个分类模型了，对吗？现在你想以某种方式扩展它以包含检测吗？不，我已经有一些检测模型（3：两个fRCNN和一个RFCN）工作正常（都使用对象检测API进行训练），现在，我想使用这些模型的集合，以提高整体精度。对不起，如果我没有clear@pierre.ecarlat我也对这个很感兴趣，你知道怎么做了吗，想和大家分享一下吗？非常感谢。