我想使用张量流来检测嵌入式系统中的汽车，所以我尝试了 ssd_mobilenet_v2 ，实际上它对我来说非常不错，除了一些不太常见的特定汽车类型外，我认为这就是模型无法识别它们的原因。我有这些情况的数据集，我想通过微调来改进模型。我还要注意，我需要一个 .tflite 文件，因为我在python中使用了 tflite_runtime 。 我按照https://github.com/EdjeElectronics/TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10的说明进行操作，可以训练模型并达到合理的损失值。然后，我在对象检测API中使用了 export_tflite_ssd_graph.py ，可以从训练有素的模型构建inference_graph。之后，我使用 toco 工具从中构建了一个.tflite文件。
但这是问题，在我完成所有这些操作之后；不仅模型没有改进，而且现在也没有发现任何汽车。我感到困惑，不知道问题出在哪里，我进行了很多搜索，却没有找到有关做我需要做的事情的教程。他们只是将一个新对象添加到模型中，然后将其导出，我尝试了一下，并成功完成了该任务。我还尝试在不训练模型的情况下直接从Tensorflow detection model zoo构建.tflite文件，并且效果很好。因此，我认为问题与培训过程有关。也许我在那里丢失了一些东西。
我在文档中找不到的另一件事是，是否可以将一个类“添加”到对象检测模型的当前类中。例如，假设mobilenet ssd v2检测到90个不同的对象类别，我想添加另一个类别，以便该模型检测91个不同的类别，而不是90个类别。据我了解并在使用对象检测API进行迁移学习后进行了测试，我只能检测到数据集中的对象，而旧类将不复存在。那我该怎么做呢？
答案 0 :(得分：0)
我发现无法将一个类“添加”到先前受过训练的类中，但是通过提供该类的少量数据，您可以让模型检测到它。原因是当应用转移学习时，模型的最后一层会更改。在我的情况下，我将3k帧标记为包含约12k对象，因为我的帧会很复杂。但是对于我在教程200-300中看到的更简单的任务，带注释的图像就足够了。
对于模型没有检测到任何东西的部分，它与我使用的convert命令有关。我应该使用tflite_convert而不是toco。我解释了更多here。