Tensorflow对象检测-最佳实践

Question

正如我在其他主题（Tensorflow Object Detection - Avoid overlapping boxes中提到的那样，我是机器学习的新手，必须实现一种用于检测交通信号灯的算法。

关于Tensorflow及其可能性，我有很多问题，除了Stack Overflow外，我不知道该问什么。

• 为了快速起步，我下载了预先训练的模型，并开始使用Bosch Traffic Lights Dataset进行训练。使用预先训练的模型很好，但是我时不时地想知道是否有可能修改此模型（添加或删除图层），或者是否最好在tf上使用keras以获得更好的定制可能性。

• 此外，我想知道如何知道每个预先训练的模型中pipeline.config文件中可能的配置。是否有任何文档，还是我必须深入研究python文件才能进入？换句话说，更改配置是否有意义？

• 出于文档目的，我们使用张量板。不幸的是，开箱即用的文档中没有准确度（但有损失）的记录-我们如何以其他图形形式显示准确度？

Answer 1

您应该使用配置来调整所有方面。如Tensorflow object detection config files documentation中所述，配置参数可以是协议缓冲区消息定义中的浏览器。例如，对于模型，如果您使用的是更快的RCNN，请查看FasterRcnn消息的不同字段。您可以导出训练有素的模型，将其加载到常规的TensorFlow脚本中，然后出于任何目的向其添加所需的任何内容，但是对象检测框架是由配置驱动的。

有关指标，请查看Supported object detection evaluation protocols。在EvalConfig消息中，有一个metrics_set，您可以为不同的评估指标将其设置为不同的值。