python - 如何重新训练自定义图像的 mobilenet 模型

Question

我已关注tensorflow for poets教程，并对如何重新训练自定义对象的模型有了基本的了解。在教程中，我针对不同类别的花卉重新训练了模型，然后使用新生成的图表并得到了正确的结果。

现在我想重新训练模型，其中有 500 多张在建筑工地工作的工程师(人)照片。由于某种原因，该模型无法提供正确的准确度，因为它只能检测到 2 个人，而帧中有 4 个人。我想到用照片重新训练，然后再次使用它。在此我有几个问题:

1. 我需要标记照片中的所有人物吗？
2. 照片还包含卡车等车辆，因此我还应该标记车辆并创建另一个数据集来训练。
3. 如何标记图像。我用过这个label image ，它生成了 xml 文件，但我认为我们需要提供照片来重新训练模型，如 tensorflow for poets 中所述。

任何人都可以帮助我理解为任何自定义对象重新训练模型的这些概念吗？请帮忙。谢谢

Answer 1

您可以使用迁移学习来训练您的模型。即，您可以使用移动网络的某些预训练模型来初始化模型的权重，然后从那里开始训练。

至于你的问题:

1. 是的，您应该标记图像中具有相同类别的所有人员(比如说 worker )，因为网络需要检测帧中的每个人。如果您不标记所有人员，那么它可能会混淆需要检测的内容，因为标记和未标记的人员没有任何区分属性。
2. 如果您只想检测人，则无需在图像中标记卡车/火车/车辆。
3. 您可以使用 xml 文件或 json 文件来标记图像，这并不重要。但是您应该熟悉注释图像的方式，因为您需要将这些数据发送到网络。人们经常使用 xml 格式，因为每个 xml 对应于每个图像，并且在每个 xml 内，每个标签定义了位于该图像内的对象，并具有各自的坐标和类。

希望这有帮助:)