Tensorflow Object Detection API Untrained Faster-RCNN 模型答案

【问题标题】：Tensorflow Object Detection API Untrained Faster-RCNN ModelTensorflow Object Detection API Untrained Faster-RCNN 模型
【发布时间】：2019-12-08 23:07:48
【问题描述】：

我目前正在尝试使用带有 python 的 Tensorflow 对象检测 API 构建对象检测器。我已经按照 here 和 here 发布的说明重新训练了 faster-rcnn model

但是，据我所知，培训时间相当长。我知道我使用的是迁移学习，而不是从头开始训练更快的 rcnn 模型。我想知道是否有办法下载未经训练的 fast-rcnn 模型并从头开始（端到端）进行训练，而不必求助于迁移学习。

我熟悉迁移学习的优点，但是，我的对象检测器旨在快速训练、范围狭窄，并且针对字母而不是对象进行训练，因此我不认为迁移学习是最佳途径。

我相信解决这个问题与pipeline.config 文件有关，尤其是在这部分：

fine_tune_checkpoint: "PATH/TO/PRETRAINED/model.ckpt"
from_detection_checkpoint: true
num_steps: 200000

但我不确定如何指定没有fine_tune_checkpoint

【问题讨论】：

即使使用迁移学习，您也可以选择步数 (num_steps)。例如，您可以将其设置为 20000 甚至更少，具体取决于您拥有的数据量。使用高性能硬件从头开始训练需要几天时间。
您好，您介意解释一下您的意思吗？更改 num_steps 变量不会导致准确性降低吗？
我的意思是：你可以根据你的数据集调整步数。例如，如果您的数据集有 5000 张图像，则无需为 200000 步训练模型。当您开始训练模型时，您将在每次迭代中显示损失。如果损失接近于零（即损失
这就是我的想法，这是可以实现的，但问题是它需要的时间太长了。我相信这是因为我的数据集（字母）与预训练数据集（coco）有很大不同。
1- 你想检测字母/书写（字母和数字）吗？，如果是，你应该使用text-detection-CTPN 2- 迁移学习确实没有完全适应新的训练，但是当你使用迁移学习时，预训练的模型并没有完全加载。当你使用自己的数据集重新训练它时，只加载了其中的一部分。这就是使迁移学习成为可能的原因。您可以微调预训练模型以更适合您的需求..

标签： python tensorflow object-detection object-detection-api faster-rcnn

【解决方案1】：

要从头开始训练您自己的模型，请执行以下操作：

注释掉以下几行

    # fine_tune_checkpoint: <YOUR PATH>
    # from_detection_checkpoint: true

删除您下载的预训练模型或重命名其路径，以防您按照教程进行操作。

您不必下载“空”模型。相反，您可以在配置文件中指定自己的权重初始化，例如，如下所示：How to initialize weight for convolution layers in Tensorflow Object Detection API?

【讨论】：