Cityscapes Trafficsigns没有使用TF Object Detection API进行箱形或面罩检测

Question

对于所有的想法，技巧或链接，我将不胜感激：

使用TF 1.10和最近的object detection-API (github, 2018-08-18)，我可以使用PETS数据集以及我自己的概念证明数据集：

进行盒形和蒙版预测

---

但是在对城市景观交通标志（单班）进行培训时，我很难获得 any 结果。我已经修改了锚以尊重较小的对象，并且RPN似乎至少在做有用的事情：

无论如何，框预测器根本不起作用。这意味着我根本没有任何盒子-不需要面具。

---

我的管道大部分甚至与样本配置完全相同。 因此，我希望是特定类型的数据有问题还是有bug。

您是否有任何提示/链接（如何）

• 使用2阶段或3阶段可视化RPN结果吗？ （仅使用一个阶段即可，但如何迫使它执行？）
• 先训练RPN，然后再继续训练？
• 调查箱子在哪里/为什么丢失？ （预测的得分为零，而评估的得分为零分类错误）

Answer 1

解决方案最终是多个问题的组合：

• 折旧了参数from_detection_checkpoint: true，并将其替换为fine_tune_checkpoint_type: 'detection'。但是，在没有任何框架的情况下，该框架似乎默认为'classification'，这似乎破坏了对象检测框架的整体思想。这次不要依赖默认值。

• 我的数据准备得不够好。我的箱子的宽度+ /高度为零（无论出于何种原因）。我还删除了断开连接的实例的掩码。

• 将keep_aspect_ratio_resizer与random_crop_image和random_coef: 0.0一起使用确实不会允许完整分辨率，因为似乎在调整器之前已应用了调整大小随机裁剪。现在，我将输入图像分成（垂直）条纹（以节省内存），并使用小的min_area来应用random_crop，这样它根本就不会跳过小的特征。现在，我也可以考虑存储使用情况了，允许max_area: 1和一个随机系数> 0。

• 一个潜在的问题还源于我到目前为止只考虑过一个班级的事实。对于框架或网络中的激活功能，这可能都是一个问题。但是，结合其他问题，此更改似乎不会引起任何其他问题-至少是这样。

• 最后但并非最不重要的一点是，我将源代码更新为2018年10月2日，但没有详细介绍所有修改。

我希望其他人可以从我的发现中节省时间和麻烦。