使用tensorflow-hub.KerasLayer和tensorflow 2.x使用Faster-RCNN进行学习转移

Question

系统信息

• 您正在使用的模型的顶级目录是什么：http://download.tensorflow.org/models/object_detection/faster_rcnn_inception_v2_coco_2018_01_28.tar.gz
• 我是否编写了自定义代码（与使用TensorFlow提供的股票示例脚本相反）：是
• 操作系统平台和发行版（例如Linux Ubuntu 16.04）：Windows 10
• 从（源或二进制）安装的TensorFlow ：二进制
• TensorFlow版本（使用下面的命令）：2.1.0
• Bazel版本（如果从源代码编译）：
• CUDA / cuDNN版本：10.0 / 7.6.5
• GPU模型和内存：GTX 1060
• 要复制的精确命令：

我正在尝试使用fast_rcnn进行转学。 当前该模型无法通过tensorflow-hub使用，因此我必须加载旧版模块 从上面给出的地址。 我能够加载模型，检索tensorflow-hub.KerasLayer对象并通过它传递数据。

但是现在我想将此网络调整为仅包含2个类的我自己的数据集，所以我想知道如何修改KerasLayer对象，以便分类层不输出90个类，而只输出2个类？

如果我使用的方法不正确，您对解决我的问题有何建议？

我想避免使用tensorflow对象检测API。 就像文档中提到的那样，旧模型是不可训练的，但是我认为如果添加自己的层不会有问题，对吗？

这是我正在使用的代码

import tensorflow_hub as hub
import numpy as np
import cv2 

# Run this once, then provide the local path where the model was downloaded, 
# instead of the below http address
model = hub.KerasLayer(
    "http://download.tensorflow.org/models/object_detection/faster_rcnn_inception_v2_coco_2018_01_28.tar.gz",
    signature="serving_default",
    signature_outputs_as_dict=True,
)

image = np.expand_dims(cv2.imread("/your/image.jpg"), 0).astype(np.uint8)
# I would like this to output only 2 different classes in 'outputs["detection_classes"]'
outputs = model(image)