Tensorflow 对象检测模块中的边界框数量答案

【问题标题】：Number of bounding boxes in Tensorflow Object detection moduleTensorflow 对象检测模块中的边界框数量
【发布时间】：2019-03-27 03:28:27
【问题描述】：

我正在使用其中一种预训练模型进行推理，即 tensorflow 对象检测。但是，模型的训练配置将检测数量限制为仅 5 个框。关于如何在推理过程中更改此参数的任何想法？

我使用的模型是在 link 上训练的模型。它的配置是here 和here。 max_total_detection 在这里设置为 5。我不确定如何更新它以获得更多更新。

任何帮助将不胜感激！

我已尝试加载图表并查看预训练模型中的变量。我发现了一个变量，上面写着“num_detections”，但我不确定如何使用任何有助于推理的代码重新分配它。

在推理过程中，我使用代码here

我添加以下行：

num_detections = tf.get_default_graph().get_tensor_by_name('num_detections:0')
sess.run(tf.assign(num_detections, num_detections+10),feed_dict={image_tensor: np.expand_dims(image,0)})

但是它给了我一个错误，说变量没有任何分配属性。我假设这是因为我无法改变它。

还有其他方法可以更新吗？还是需要重新训练？

编辑：第一个答案有效！使用配置文件中更改的数字框重新训练 1 num_steps。

【问题讨论】：

标签： tensorflow object-detection object-detection-api pre-trained-model

【解决方案1】：

首先，如果你想要一个更大的num_detections:0，你可以添加一个正整数。但我认为您可能无法做到这一点，因为您加载了一个不应该更改权重和参数值的冻结图。

其次，您无法更改框的数量，即使您更改了num_detections:0 的值。因为在num_detection 操作之前，NMS 步骤会确定保留多少个框。所以你只是改变了错误的变量。我无法帮助您找到正确的变量。对此感到抱歉。

最后，您可以在模型的配置文件中更改max_total_detections 的数量以保留更多的边界框。如果你不想训练模型，你可以更改配置文件，训练 0 步并保存模型。

谁有更好的解决方案？

【讨论】：

我尝试找到类似于max_total_detections 的内容，但变量中没有。所以我假设这是我无法再次设置的东西。非常感谢您提出 0 步想法的再培训想法。我不知道有人能做到这一点！我一定会试一试，然后告诉你。
发布更新！该方法效果很好。除非您必须至少提供 1 个训练步骤！因此，这实质上是从检查点重新训练模型，再增加一个训练步骤。