tensorflow的object detection api是否支持多类多标签检测？

Question

经过数小时的研究，我找不到任何关于使用对象检测 API 进行多标签预测的示例。基本上我想预测图像中每个实例的多个标签。如下图所示：

我想预测服装类别，还要预测颜色和图案等属性。

根据我的理解，我需要将每个属性的更多分类头附加到第二阶段 ROI 特征图，并对每个属性的损失求和？但是，我无法在对象检测代码中实现这一点。有人可以给我一些关于我应该开始修改哪些功能的提示吗？谢谢。

Answer 1

根据性能要求和平台，一种方法可能是通过在管道中使用多个分类器来简化问题。例如，您可以使用多类对象检测器（在您的示例中为“tee”和“pant”）来捕获感兴趣的区域；然后根据边界框裁剪这些区域，并将这些裁剪区域输入另一个模型，在这种情况下，该模型没有位置要求（“颜色”和“图案”）。

对于多类对象检测指南，我可能会推荐来自Tensorflow Git repo 的Eager Few Shot Object Detection Colab。在“为训练准备数据”单元格注释中：

num_classes = 1

category_index = {duck_class_id: {'id': duck_class_id, 'name': 'rubber_ducky'}}

更新它可以在不改变模型的情况下启用多类检测。例如，以下将创建两个类：

num_classes = 2

category_index = {
    1: {'id': 1, 
        'name': 'tee'},
    2: {'id': 2, 
        'name': 'pant'}
}

然后根据此输出，将这些裁剪区域输入另一个分类器。