tensorflow - 如何为我们自己的数据集重新训练 SSD 对象检测模型？

Question

我已经在 tensorflow 中尝试了 SSD 和 YOLO 实现。现在我想为我自己的数据集重新训练其中任何一个，比如交通信号。如何从 pascal voc 中重新训练 SSD 数据？有人可以帮忙吗？我正在使用https://github.com/balancap/SSD-Tensorflow中的tensorflow实现

Answer 1

不特定于实现，对于 SSD，

• 由于所有层都是卷积层，因此您需要更改预测层中应用的滤波器数量，因为(根据第 4 页中的论文)输出是作为要预测的类数量的函数给出的:即，对于网络中的任何预测层，对于 m*n 特征图，我们期望 (c + 4)kmn 个输出/预测用于分类和本地化； c 是您尝试预测的类的数量，k 是该要素图中使用的 anchor /默认框的数量，m和 n 是特征图的 2 维。
• 您可能想要根据论文中给出的方程更改 anchor /默认框比例

特定于 SSD-Tensorflow，

• 您需要确保输入格式与tf.contrib.slim提供的接口(interface)匹配。目前SSD-Tensorflow仅支持Pascal VOC格式。我一直无法调整它以接受其他数据集。您可以看到https://github.com/balancap/SDC-Vehicle-Detection/例如 KITTI 界面。 SDC-Vehicle-Detection 存储库与 SSD-Tensorflow 是同一作者，但部分代码库已经过时。