如何解决Tensorflow 和 Keras 可轻松进行对象检测
我通常只创建对象识别或分类。网上有很多教程,而且很容易。它通常只有几行代码:
1. load dataset
2. create model
3. model.compile()
4. model.fit()
5. load test image
6. model.predict()
问题是,它只能说是否有香蕉、苹果、橙子等。但我想定位图像中的对象。我想要物体检测。问题是我找不到上面提到的一些简单的代码。你能给我推荐一些东西吗?
我刚刚发现tensorflow对象检测API,它不像上面提到的对象识别那么容易。
感谢您的建议。
解决方法
当然,与图像分类相比,物体检测并不容易。这是一个更难解决的问题,需要在收集和标记数据方面做更多的工作。也许您没有找到好的文档或帮助您的资源?您可以查看 this 设置对象检测以在自定义数据集上进行训练/测试的详细说明
,一般来说,我认为对象检测设置起来有点困难。但是我非常喜欢这个 keras 教程,因为它很简单,如果你有兴趣,它也会深入一点。如果您将模型的 initialization 与 training 部分结合并添加所需的功能,整体复杂性并没有那么糟糕。但要了解每一步,需要付出更多努力。
resnet50_backbone = get_backbone()
loss_fn = RetinaNetLoss(num_classes)
model = RetinaNet(num_classes,resnet50_backbone)
optimizer = tf.optimizers.SGD(learning_rate=learning_rate_fn,momentum=0.9)
model.compile(loss=loss_fn,optimizer=optimizer)
epochs = 1
model.fit(
train_dataset.take(100),validation_data=val_dataset.take(50),epochs=epochs,callbacks=callbacks_list,verbose=1,)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。