有没有办法在Tensorflow中进行对象检测,重新训练Google提供的Inception模型?目标是预测图像是否包含定义的对象类别(例如球)。我可以将其视为只有两个类别(球和非球图像)的一类分类或多类。然而,在后者中,我认为创建一个好的训练集非常困难(我需要多少和哪种非球图像?)。
最佳答案
是的,有一种方法可以判断某物是否是球。但是,最好使用谷歌的 Tensorflow Object Detection API for Tensorflow .它不会说“有球/无球”,而是会告诉您它认为某物是具有 XX% 准确度的球。
回答您的其他问题:通过对象检测,您不需要非球图像进行训练。你应该收集大约 400-500 个球图像(更多几乎总是更好),将它们分成训练和评估组,并用 this 标记它们。 .然后,您应该根据 this 将标签和图像转换为 .record 文件。 .之后,您应该设置 Tensorflow 并进行训练。
这整个过程并不容易。我在 iOS 背景下花了好几周的时间来成功训练单个对象检测器。但这最终是值得的,因为现在我可以在应用程序需要时快速切换图像以训练不同的对象检测器。
奖励:使用 this将您的新 TF 模型转换为 iOS/Android 可用的 .mlmodel。
关于image-processing - 可以在重新训练 Inception 模型的图像中进行对象检测(一类)吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40092376/