Tensorflow Objection Detection API：访问给定边界框的所有类分数？

Question

使用 Tensorflow 的对象检测 API，可以训练 SSD 初始对象检测器并通过查询与边界框坐标数组对应的张量 detection_boxes:0、detection_scores:0 和 detection_classes:0 来执行推理，该数组包含每个边界框的最大得分，以及一个整数数组，分别对应于每个边界框的最大得分类别标签。

我感兴趣的是每个边界框的所有类的分数。首先，我尝试查看 detection_scores 操作是否有多个张量，但查询 detection_scores:1 张量会引发错误，指出张量不存在。其次，我尝试查看模型的节点名称以找到相关的探测操作：要查询的张量，但名称往往非常通用。有谁知道查询这些值的方法吗？

（附注：我在 python 2.7 中使用 tensorflow-gpu 1.5 和 ssd inception v2）

Answer 1

我不确定这个答案是否令人满意，但让我们试一试：

您可以加载模型并将其保存在 tensorboard 中进行检查：

import tensorflow as tf
from tensorflow.python.summary import summary

# I used mobilenet v2 with ssdlite from the tf model zoo
with tf.gfile.FastGFile('frozen_inference_graph.pb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())

sess = tf.Session()

sess.graph.as_default()
tf.import_graph_def(graph_def, name='')

pb_visual_writer = summary.FileWriter('.')
pb_visual_writer.add_graph(sess.graph)

在 tensorboard 中，您将看到模型，我能找到的最接近您正在搜索的内容是 BoxPredictors 之后的 concat 和 concat_1 操作。

第一个输出一个形状为?x1917x1x4 的张量，其中包含盒子。 另一个输出一个形状为?x1917x91 的张量，其中包含每个框的每个类别的分数。

请注意，concat 后跟 Squeeze 操作以使其成为 ?x1917x4 和 concat_1 后跟一个称为 Postprocessor/convert_scores 的 sigmoid