我关于检测汽车和表演的项目是移动还是不移动，所以基本上我有一个包含两个标签（移动和不移动）的 CSV 文件，我使用顺序模型（全连接层）训练我的模型并保存使用这种格式 hdf5。 所以我现在的问题是我可以将我的模型（hdf5）与对象检测算法（如（Faster R-CNN，YOLO）一起使用吗？如果是的话，我希望能找到一个明确的教程，或者我的方式是错误的，我应该用不同的方式来做
【问题讨论】：
标签： tensorflow deep-learning object-detection object-detection-api
目前尚不清楚您希望如何将您的模型与 YOLO/Faster R-CNN 结合使用，因此我必须做出一些假设。从您的问题中也不清楚您的 CSV 文件中有什么 - 它实际上是像素数据还是光流数据？您可能需要先查看一些简单的 YOLO 教程，看看它是如何工作的。
YOLO 是一种对象检测模型。它将图像作为输入，并在它在该图像中识别的对象周围绘制命名边界框。它足够快，可以实时处理某些视频。输入是像素：图像（或视频帧）。输出是一系列标签和边界框的坐标（大多数教程会将边界框和标签绘制到图像上并输出）。您可以使用它来检测汽车（使用可识别汽车的预训练 YOLO 模型文件）并估计坐标以裁剪视频（空间和时间），以便您拥有运行模型所需的适量信息.然后，您需要将裁剪视频中的像素转换为适合您的模型的格式（无论是什么格式）。您可以使用 load_model("mymodelfilename.hd5") 从 keras 中的 hd5 模型加载模型
【讨论】：