我在 tensorflow 中编写代码，使用卷积神经网络来检测来自图像的文本。我使用TFRecords文件来读取街景文本数据集，然后，我将图像的大小调整为<strong> 128 的高度和宽度。
我使用9- 转换层与零填充和三个 max_pool图层，窗口大小为（2×2），步幅为2 < / EM> 即可。由于我只使用三个汇集层，最后一层的形状将是（16×16）。最后一个转化层有'256'过滤器。
我也使用了两个回归完全连接图层（tf.nn.sigmoid）和tf.losses.mean_squared_error作为损失函数。
我的问题是 这种架构足以用于检测过程吗？我知道有一些东西叫 NMS 进行检测。在这种情况下，标签是什么？
答案 0 :(得分：1)
总的来说，这不是一个规则，只是根据我的经验，你应该从一个较小的网络2或3转换层开始，然后说出会发生什么，如果你得到一些好的结果更多地关注获胜的拓扑并适应超参数（learnrat，batchsize等等），如果你没有得到好结果那么深意义添加转换层。并再次评估。 12转是非常巨大的，你的问题复杂性也应该是巨大的！否则你会达到一个很好的准确性，但浪费了很多电脑的力量和时间！并顺便使用金字塔形式意义开始更宽，完成微小