如何继续使用Tensorflow对象检测API训练对象检测模型？

Question

我正在使用Tensorflow Object Detection API来通过转移学习训练对象检测模型。具体来说，我使用的是ssd_mobilenet_v1_fpn_coco from the model zoo，使用的是sample pipeline provided，当然是将占位符替换为指向我的培训，评估tfrecords和标签的实际链接。

我能够使用上述管道成功地在约5000张图像（以及相应的边界框）上训练模型（如果愿意的话，我主要是在TPU上使用Google的ML引擎）。

现在，我准备了大约2000张图像，并希望继续用这些新图像训练模型，而无需从头开始（训练初始模型花了大约6个小时的TPU时间）。我该怎么办？

Answer 1

您有两个选择，都需要更改新数据集的$corner-bevel: 20; .corner-bottom-left-bevel { width: 80px; height: 0; border-radius: 2px; border-style: solid; border-color: $green-color transparent transparent transparent; border-width: #{$corner-bevel}px 0 0 #{$corner-bevel}px; } 的{​​{1}}：

1. 在训练配置中指定要微调的检查点时，请指定训练模型的检查点 input_path
2. 只需继续使用与先前模型相同的配置train_input_reader即可（除了 train_config{ fine_tune_checkpoint: <path_to_your_checkpoint> fine_tune_checkpoint_type: true load_all_detection_checkpoint_vars: true } ）。这样，API将创建一个图形，直到检查train_input_reader中是否已经存在检查点并适合该图形。如果是这样，它将恢复并继续训练。

Answer 2

我还没有在新的数据集中重新训练对象检测模型，但是看起来 在配置文件中增加训练步骤train_config.num_steps的数量并在tfrecord文件中添加图像就足够了。