Tensorflow 1.9/Object Detection : model_main. py 只评估一张图片

Question

我已经更新到 Tensorflow 1.9 和最新的对象检测 API 大师。当运行以前运行良好的训练/评估 session 时(我认为 1.6 版)，训练似乎按预期进行，但我只获得了一张图像(第一张)的评估和指标。

在 Tensorboard 中，图像被标记为“Detections_Left_Groundtruth_Right”。评估步骤本身也发生得非常快，这让我相信这不仅仅是 Tensorboard 的问题。

查看model_lib.py，我看到一些可疑代码(靠近第349行):

  eval_images = (
      features[fields.InputDataFields.original_image] if use_original_images
      else features[fields.InputDataFields.image])
  eval_dict = eval_util.result_dict_for_single_example(
      eval_images[0:1],
      features[inputs.HASH_KEY][0],
      detections,
      groundtruth,
      class_agnostic=class_agnostic,
      scale_to_absolute=True)

这对我来说就像评估者总是对第一张图像进行单一评估一样。有没有人看到和/或解决了这个问题？如果更改上述工作，我会更新。

Answer 1

您说得对，对象检测仅支持批量大小为 1 的评估。评估的数量等于评估步骤的数量。 Eval 指标是跨批次累积的。

顺便说一句，在 Tensorboard 中查看更多评估图像的更改刚刚提交给 master。