微调张量流目标检测预训练模型

Question

我正在使用tensorflow和opencv进行实时对象检测。

我使用了不同的基于SSD和Faster-RCNN的冻结推理图，它们几乎永远不会失败。

视频流来自固定在墙壁上的红外摄像机，该墙壁的背景几乎没有变化。在一天的特定时段（例如，下午的光线变化），在背景区域或距离相机太近的小物体上会出现一些误检测。

因此，为了解决这个小错误，我想使用来自相同背景的图像对模型进行微调。

在背景始终相同的情况下，我该如何对具有1000个几乎完全相同的误检测图片的模型进行重新训练？

Answer 1

如果背景照明发生变化，则可以使用背景减法

https://docs.opencv.org/3.4.1/d1/dc5/tutorial_background_subtraction.html ，然后按如下所示动态更新它：

https://www.pyimagesearch.com/2015/06/01/home-surveillance-and-motion-detection-with-the-raspberry-pi-python-and-opencv/

谢谢。