python - 更改tensorflow object_detection教程中的结果数量

Question

我一直在研究tensorflow的object_detection教程: https://github.com/tensorflow/models/blob/master/object_detection/object_detection_tutorial.ipynb

实际检测发生的部分是:

  # Each box represents a part of the image where a particular object was detected.
  boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
  # Each score represent how level of confidence for each of the objects.
  # Score is shown on the result image, together with the class label.
  scores = detection_graph.get_tensor_by_name('detection_scores:0')
  classes = detection_graph.get_tensor_by_name('detection_classes:0')
  num_detections = detection_graph.get_tensor_by_name('num_detections:0')
  # Actual detection.
  (boxes, scores, classes, num_detections) = sess.run(
      [boxes, scores, classes, num_detections],
      feed_dict={image_tensor: image_np_expanded})

但是，每个结果张量，即框、分数和类都恰好有 100 个条目长，我找不到任何线索，可以在哪里定义这个数字，但我想更改它。

有人可以向我提供这些信息或提示吗？

最诚挚的问候，

G·布朗

Answer 1

由于您使用的是卡住图表，因此您无法控制更改图表进行预测的方式。为了获得所需的结果，您可以使用硬阈值来减少边界框和误报的数量。

Suppose you want the predictions to be 80% sure than use thresholding to remove all prediction with `scores < 0.8`

注意:您可以通过其他方式控制它；为此，您需要获取原始检查点文件并使用export_inference_graph 文件。您需要更改行号 132-133。相同的概念适用于其他模型配置文件。 mobile ssd config file