TensorFlow 和 Keras 可轻松进行对象检测答案

【问题标题】：Tensorflow and Keras for easy object detectionTensorFlow 和 Keras 可轻松进行对象检测
【发布时间】：2021-03-25 11:49:59
【问题描述】：

我通常只创建对象识别或分类。互联网上有很多教程，而且很容易。它通常只有几行代码：

1. load dataset
2. create model
3. model.compile()
4. model.fit()
5. load test image
6. model.predict()

问题是，它只能说是否有香蕉、苹果、橙子等。但我想定位图像中的对象。我想要对象检测。问题是我找不到上面提到的一些简单代码。你能给我推荐一些东西吗？
我刚刚发现了 tensorflow 对象检测 API，它并不像上面提到的对象识别那么容易。

感谢您的建议。

【问题讨论】：

标签： tensorflow object-detection

【解决方案1】：

当然，与图像分类相比，对象检测并不容易。这是一个更难解决的问题，需要在收集和标记数据方面做更多的工作。也许您没有找到好的文档或可以帮助您的资源？您可以查看this 设置对象检测以在您的自定义数据集上进行训练/测试的详细说明

【讨论】：

谢谢。这就是我发现的 API，但与对象分类或图像分割相比，它是如此复杂。这两件事很容易做到。只需创建具有几层的模型，x - 输入，y - 标签/掩码，compile()，fit()，predict()，这就是全部，你有工作的神经网络。所以我希望物体检测有类似的东西：-/
嗯，由于问题的性质，将其与图像分类进行比较显然并不容易。但是，在我看来，对象检测 API 的设置比许多其他工具/在线存储库更简单

【解决方案2】：

一般来说，我认为对象检测设置起来有点困难。但是有这个 keras 教程，我非常喜欢它的简单性，如果你有兴趣，它也会深入一点。如果您将模型的initialization 与training 部分结合起来并添加所需的功能，那么整体复杂性还不错。但要理解每一步，就需要付出更多的努力。

resnet50_backbone = get_backbone()
loss_fn = RetinaNetLoss(num_classes)
model = RetinaNet(num_classes, resnet50_backbone)

optimizer = tf.optimizers.SGD(learning_rate=learning_rate_fn, momentum=0.9)
model.compile(loss=loss_fn, optimizer=optimizer)

epochs = 1
model.fit(
    train_dataset.take(100),
    validation_data=val_dataset.take(50),
    epochs=epochs,
    callbacks=callbacks_list,
    verbose=1,
)

【讨论】：