我有一个使用对象检测API训练的mask-rcnn模型来检测一些对象。现在，我还有其他任务需要对这些图像（以及其他功能）进行回归。 是否可以将训练有素的mask-rcnn模型用作特征提取器（类似于转移学习的工作原理）并将最后一层（或多层）更改为其他任务？
答案 0 :(得分：1)
Mask r-cnn创建一个共享的特征图，用于在RPN区域上进行预测。通过对对象检测API进行一些细微调整，您可以拉出包含给定区域要素的张量。通常，这些功能用于框/遮罩的预测，但是您可以将其用于其他任何用途。
如果仅需要将其用作特征提取器（它保持冻结状态），则应该可以使用。 如果您想继续根据进一步的下游结果继续训练mask r-cnn，则使用对象检测API会变得更加困难，因为您必须连接所有内容并修改一堆TF训练代码。在这种情况下，您可能会考虑建立自己的模型，或者根据问题选择其他方法。