我正在尝试导入基于 ResNet 的体系结构作为 SSD 的功能提取器。 由于我的应用程序需要实时，因此我尝试使用不同的ResNet深度（resnet-10，resnet-16，resnet-24等）。
我已经阅读了Defining a new Faster R-CNN or SSD Feature Extractor教程，并试图通过object_detection/models/ssd_resnet_v1_ppn_feature_extractor（以及fpn）指导自己。
问题是，我正在从tensorflowcv python包中获取resnet-10（例如）体系结构，该体系结构是通过Keras实现的，并且我将函数resnet10_base定义为重定义get_resnet的内容，如下所示，因此它忽略了使其成为分类器的最后一层。
我对get_resnet的重新定义：
01 def resnet10_base(model_name='resnet10', root=os.path.join("~", ".tensorflow", " models")):
02 layers = [1,1,1,1]
03 assert (sum(layers) * 2 + 2 == blocks)
04
05 init_block_channels = 64
06 channels_per_layers = [64, 128, 256, 512]
07
08 channels = [[ci] * li for (ci, li) in zip(channels_per_layers, layers)]
09
10 if pretrained:
11 if (model_name is None) or (not model_name):
12 raise ValueError("Parameter `model_name` should be properly initialized fo r loading pretrained model.")
13 from .model_store import download_state_dict
14 net.state_dict, net.file_path = download_state_dict(
15 model_name=model_name,
16 local_model_store_dir_path=root)
17
18 return net
我不明白如何创建extract_features()要求的SSDKerasFeatureExtractor函数。例如，是否必须创建TFSession并在其中运行网络？还是我必须返回张量？我该如何实现？
在此先感谢您带来的不便。