在TF损失函数中创建基本事实

Question

我正在尝试建立自己的3D对象检测模型。我的网络由2个卷积网络组成，输出的形状为（128,64,8）。我正在使用DenseBox对象检测方法，因此我的基本事实应该像这样，例如ground truth for image with one object。那是第一个频道，还有7个频道。张量流模型需要输入大量数据，因此我决定只将几个点（边界框的角）作为标签来输入，这对获得该圆的中心很有帮助。然后，我打算将该圆绘制到某个2D数组上（我还需要将GaussianBlur应用于该数组）并在损失函数中进行比较。

有人知道如何实现这一目标吗？

Answer 1

我知道了。我使用tf.py_func在tensorflow计算图中使用opencv或numpy函数。我不确定，但我认为此功能不会传播梯度。