Question

我正在使用的此存储库的基本代码（https://github.com/ndaidong/tf-object-detection）使用Tensorflow对象检测，可在评论屏幕快照中检测评论，日期，喜欢和等级。

我查看了100张图像（只是想测试是否可行），并用4个标签（评论，日期，喜欢和评分）为图像添加注释，从XML转换为CSV，然后生成TFrecord。这是针对培训和评估数据进行的。用于训练的100张图像和用于评估的20张图像。这是我注释的屏幕截图。 Click here for an example of the annotated image

对于培训，我使用了以下配置

model {
  ssd {
    num_classes: 4
    image_resizer {
      fixed_shape_resizer {
      height: 500
      width: 2000
      }
    }
    feature_extractor {
      type: "ssd_mobilenet_v2"
      depth_multiplier: 1.0
      min_depth: 16
      conv_hyperparams {
        regularizer {
          l2_regularizer {
            weight: 3.99999989895e-05
          }
        }
        initializer {
          truncated_normal_initializer {
            mean: 0.0
            stddev: 0.0299999993294
          }
        }
        activation: RELU_6
        batch_norm {
          decay: 0.999700009823
          center: true
          scale: true
          epsilon: 0.0010000000475
          train: true
        }
      }
      use_depthwise: true
    }
    box_coder {
      faster_rcnn_box_coder {
        y_scale: 10.0
        x_scale: 10.0
        height_scale: 5.0
        width_scale: 5.0
      }
    }
    matcher {
      argmax_matcher {
        matched_threshold: 0.5
        unmatched_threshold: 0.5
        ignore_thresholds: false
        negatives_lower_than_unmatched: true
        force_match_for_each_row: true
      }
    }
    similarity_calculator {
      iou_similarity {
      }
    }
    box_predictor {
      convolutional_box_predictor {
        conv_hyperparams {
          regularizer {
            l2_regularizer {
              weight: 3.99999989895e-05
            }
          }
          initializer {
            truncated_normal_initializer {
              mean: 0.0
              stddev: 0.0299999993294
            }
          }
          activation: RELU_6
          batch_norm {
            decay: 0.999700009823
            center: true
            scale: true
            epsilon: 0.0010000000475
            train: true
          }
        }
        min_depth: 0
        max_depth: 0
        num_layers_before_predictor: 0
        use_dropout: false
        dropout_keep_probability: 0.800000011921
        kernel_size: 3
        box_code_size: 4
        apply_sigmoid_to_scores: false
      }
    }
    anchor_generator {
      ssd_anchor_generator {
        num_layers: 6
        min_scale: 0.20000000298
        max_scale: 0.949999988079
        aspect_ratios: 1.0
        aspect_ratios: 2.0
        aspect_ratios: 0.5
        aspect_ratios: 3.0
        aspect_ratios: 0.333299994469
      }
    }
    post_processing {
      batch_non_max_suppression {
        score_threshold: 0.300000011921
        iou_threshold: 0.600000023842
        max_detections_per_class: 100
        max_total_detections: 100
      }
      score_converter: SIGMOID
    }
    normalize_loss_by_num_matches: true
    loss {
      localization_loss {
        weighted_smooth_l1 {
        }
      }
      classification_loss {
        weighted_sigmoid {
        }
      }
      hard_example_miner {
        num_hard_examples: 3000
        iou_threshold: 0.990000009537
        loss_type: CLASSIFICATION
        max_negatives_per_positive: 3
        min_negatives_per_image: 3
      }
      classification_weight: 1.0
      localization_weight: 1.0
    }
  }
}
train_config {
  batch_size: 35
  data_augmentation_options {
    random_horizontal_flip {
    }
  }
  data_augmentation_options {
    ssd_random_crop {
    }
  }
  optimizer {
    rms_prop_optimizer {
      learning_rate {
        exponential_decay_learning_rate {
          initial_learning_rate: 0.00400000018999
          decay_steps: 800720
          decay_factor: 0.949999988079
        }
      }
      momentum_optimizer_value: 0.899999976158
      decay: 0.899999976158
      epsilon: 1.0
    }
  }
  num_steps: 200
}
train_input_reader: {
  tf_record_input_reader {
    input_path: "temp/data/train.record"
  }
  label_map_path: "configs/reviews/labels.pbtxt"
}
eval_config {
  num_examples: 20
  max_evals: 10
  use_moving_averages: false
}
eval_input_reader: {
  tf_record_input_reader {
    input_path: "temp/data/test.record"
  }
  label_map_path: "configs/reviews/labels.pbtxt"
  shuffle: false
  num_readers: 1
}

如您所见，我正在尝试从头开始训练数据，而不使用现有模型。这样做的原因是因为我没有试图找到已经训练好的通用对象。

我调整了fixed_shape_resizer，因为评论的图像尺寸大约为宽度2000和高度500左右。

我只用了200个步骤进行训练（我需要做更多的事情吗？），正如我在Tensorboard中注意到的那样，在开始学习了几百个步骤后，我发现它已经开始学习，因为“损失”的结果开始下降了很多。 Click here to see Tensorboard results

但是，当我导出/冻结图形然后尝试进行预测时。没有什么可以预料的。对我来说一切都很好。我在做错什么吗？

Answer 1

使用此API涉及许多步骤，因此不确定您可能会误认为哪一个，但是我的感觉是，如果您从头开始训练对象检测模型，则需要庞大的数据集。 100张图像是非常小的数据集。您可以查看像ResNet，ImageNet这样的经过训练的预训练对象检测模型的数据集的大小。那里的数据集异常庞大。因此，要获得结果，您需要使用预训练模型或更大的数据集。为了增加数据集，您可以在此API外部对现有图像进行图像增强，并使用算法调整其注释。当我做类似的运动时，我使用了约有10K图像的预训练模型和图像增强功能。

如果您将labelImg用于图像注释，请确保您知道该工具中的this问题

Tensorflow对象检测：无法使用自定义数据进行预测

1 个答案: