【发布时间】：2017-02-26 18:58:45
【问题描述】：
有没有办法在Tensorflow中做物体检测，重新训练谷歌提供的Inception模型？目标是预测图像是否包含定义的对象类别（例如球）。我可以将其视为只有两个类别（球和非球图像）的一类分类或多类。但是，在后者中，我认为创建一个好的训练集非常困难（我需要多少以及哪种类型的非球图像？）。
【问题讨论】：
标签： image-processing tensorflow deep-learning
【发布时间】：2017-02-26 18:58:45
【问题描述】：
是的，有一种方法可以判断某物是否是球。但是，最好使用 Google 的 Tensorflow Object Detection API for Tensorflow。它不会说“有球/没有球”，它会告诉你它认为某物是一个准确率为 XX% 的球。
回答您的其他问题：通过对象检测，您不需要非球图像进行训练。您应该收集大约 400-500 个球图像（越多越好），将它们分成训练组和评估组，并用this 标记它们。然后您应该根据this 将您的标签和图像转换为.record 文件。之后，您应该设置 Tensorflow 并进行训练。
这整个过程并不容易。我用 iOS 的背景花了好几周的时间才成功地训练了一个物体检测器。但最终还是值得的，因为现在我可以在应用需要时快速切换图像来训练不同的对象检测器。
奖励：使用 this 将您的新 TF 模型转换为 iOS/Android 可用的 .mlmodel。
【讨论】：