PROSAGA码农传奇-深度学习-Tensorflow对象检测后续步骤

<div class =“post-text”itemprop =“text”>
  
    哇，这里有很多问题要回答。
  
  
    1.我认为您的配置文件是正确的，通常需要仔细配置的字段是：
  
  <UL>
    <LI>
       <code>
 num_classes:
 </code>
       数据集的类数
    </LI>
    <LI>
       <code>
 fine_tune_checkpoint
 </code>
      ：如果您采用tansfer学习，开始培训的检查点，如果
       <code>
 from_detection_checkpoint
 </code>
       设置为true。
    </LI>
    <LI>
       <code>
 label_map_path
 </code>
      ：标签文件的路径，类的数量应该等于
       <code>
 num_classes
 </code>
    </LI>
    <LI>
       <code>
 input_path
 </code>
       同时
       <code>
 train_input_reader
 </code>
       和
       <code>
 eval_input_reader
 </code>
    </LI>
    <LI>
       <code>
 num_examples
 </code>
       在
       <code>
 eval_config
 </code>
      ，这是您的验证数据集大小，例如验证数据集中的示例数。
    </LI>
    <LI>
       <code>
 num_steps
 </code>
      ：这是在模型停止训练之前达到的训练步骤总数。
    </LI>
  </UL>
  
    2是的，您的培训过程正在保存，保存在
     <code>
 train_dir
 </code>
    ，官方说明是
    <a href="https://github.com/tensorflow/models/blob/dadc4a625d273f995f8297968859c252147029ee/research/object_detection/legacy/train.py#L70" rel="nofollow noreferrer">
      这里
    </A>
    。您可以使用
     <code>
 tensorbard
 </code>
     可视化您的培训过程。
  
  
    3 COCO评估格式的输出if，因为这是默认的评估指标选项。但您可以通过设置尝试其他评估指标
     <code>
 metrics_set : oid_challenge_detection_metrics
 </code>
     在
     <code>
 eval_config
 </code>
     在配置文件中，还有其他选项可用
    <a href="https://github.com/tensorflow/models/blob/dadc4a625d273f995f8297968859c252147029ee/research/object_detection/eval_util.py#L41" rel="nofollow noreferrer">
      这里
    </A>
    。对于coco指标，具体来说：
  
  <UL>
    <LI>
       <code>
 IoU
 </code>
       是
      的
        联盟的交叉点
      </强>
      ，这定义了您的检测边界框与您的groundtruth框重叠的程度。
      <a href="https://datascience.stackexchange.com/questions/16797/what-does-the-notation-map-5-95-mean">
        这个
      </A>
       答案提供了更多详细信息，以便您了解如何在不同的IoU上计算精度。
    </LI>
    <LI>
       <code>
 maxDets
 </code>
       是
      的
        <a href="https://github.com/cocodataset/cocoapi/blob/ed842bffd41f6ff38707c4f0968d2cfd91088688/PythonAPI/pycocotools/cocoeval.py#L28" rel="nofollow noreferrer">
          每个图像的最大检测阈值
        </A>
      </强>
       （这里有点不清楚）
    </LI>
    <LI>
       <code>
 area
 </code>
      ，有三类区域，它取决于区域所占的像素数，小，中，大都是定义的
      <a href="https://github.com/tensorflow/models/blob/dadc4a625d273f995f8297968859c252147029ee/research/object_detection/metrics/coco_tools.py#L210" rel="nofollow noreferrer">
        这里
      </A>
      。
    </LI>
    <LI>
      至于负精度，我认为这是因为如果没有检测被归类为“大”，这是默认值（但我不能确认这一点，你可以参考官方可可网站
      <a href="http://mscoco.org/" rel="nofollow noreferrer">
        http://mscoco.org/
      </A>
      ）
    </LI>
    <LI>
      评估在整个验证数据集上执行，因此验证集中的所有图像都是如此。
    </LI>
    <LI>
      <a href="http://ttps://github.com/tensorflow/models/blob/master/research/object_detection/metrics/coco_tools.py" rel="nofollow noreferrer">
        这个
      </A>
       file提供了有关coco指标的更多详细信息
    </LI>
  </UL>
  
    4一旦达到训练步骤的总数，训练就会停止
     <code>
 num_steps
 </code>
     在您的cofig文件中设置。在您的情况下，每15分钟执行一次评估会话。此参数也可以在配置中配置
    <a href="https://github.com/tensorflow/models/blob/dadc4a625d273f995f8297968859c252147029ee/research/object_detection/protos/eval.proto#L15" rel="nofollow noreferrer">
      文件
    </A>
    。
  
  
    5虽然你按照上面的教程，但我建议遵循官方的API文档
    <a href="https://github.com/tensorflow/models/tree/master/research/object_detection" rel="nofollow noreferrer">
      https://github.com/tensorflow/models/tree/master/research/object_detection
    </A>
    。
  
</DIV>